PRINCIPALES DISTRIBUCIONES DISCRETAS
|
|
- Juan Francisco Villalobos Botella
- hace 8 años
- Vistas:
Transcripción
1 PRINCIPALES DISTRIBUCIONES DISCRETAS Objetivos generales del tema En este tema definiremos y discutiremos diversas e imortantes distribuciones discretas, es decir, funciones masa de robabilidad o funciones de distribución corresondientes a variables aleatorias discretas. Veremos las roiedades más imortantes. Distribución de Bernoulli. Distribución Binomial. Distribución Binomial Negativa. Distribución Hiergeométrica. Distribución de Poisson. Princiales contenidos 1
2 1 Introducción Recordemos que una variable aleatoria X tiene una distribución de robabilidad discreta (o simlemente una distribución discreta) si: P (X = x i )= ½ i si x = x i (i =1, 2,...) 2 Distribución de Bernoulli con i 0 y P i i =1 La distribución de Bernoulli es una distribución que toma dos valores (1 y0) con robabilidad y 1. Habitualmente esta distribución aarece en exerimentos donde se identifica el suceso 1=EXITO y 0=FRACASO. Definición 1 Una v.a. X tiene una distribución de Bernoulli si (ara algún con 0 1) P (X =1) = P (X =0) = 1 Ejemlo 2 La v.a. que define el exerimento lanzamiento de una moneda sigue una distribución de Bernoulli de arámetro. Donde es la robabilidad del suceso de interés, cara o cruz. PROPIEDADES Distribución de Bernoulli de arámetro Media µ E (X) = Varianza σ 2 Var(X) = (1 ) Desviación Tíica σ (1 ) 3 Distribución Binomial La distribución Binomial de arámetro n y (Bi(n, )) surge como una secuencia n intentos del tio de Bernoulli que verifica: Losintentossonindeendientes. Cada resultado del intento uede tomar únicamente dos resultados mutuamente excluyentes, que denotaremos or EXITO (E) o FRACASO (F). La robabilidad de éxito (y or lo tanto la de fracaso) es constante en cada intento. Así cada intento, definiendo = P (EXITO) y asignando el valor 0 cuando ocurre F y el valor 1 cuando ocurre E, se uede describir como una distribución de Bernoulli de arámetro. 2
3 Definición 3 Una v.a. X tiene una distribución Binomial si (ara algún entero ositivo n yalgún con 0 1) mide X = "n o de éxitos de un total de n si la robabilidad de éxito es " µ n P (X = k) = k (1 ) n k si k =1, 2,...,n k Distribución Binomial n =25, =0.25. La forma de la distribución binomial va aumentando hasta m =(n +1) y desués comienza a bajar. Una v.a. binomial uede ser considerada como una suma de n variables aleatorias de Bernoulli de arámetro, es decir, como la variable indicadora del número de éxitos en n ruebas de Bernoulli, es decir, si denotamos or X i el i-ésimo intento de Bernoulli, entonces, X = P n i=1 X i. Observación 4 La distribución de Bernoulli es un caso articular de la distribución Binomial con n =1. Proosición 5 Si X tiene la distribución Binomial con n (número de intentos) y (robabilidad de éxito que denotaremos or X Bi(n, )) entoncesla variable Y = n X, que reresenta el número de fracasos, es una variable de Binomial con n (número de intentos) y robabilidad de éxito 1. PROPIEDADES X Bi(n, ) Y = n X Bi(n, 1 ) Distribución Binomial de arámetros n y Media µ E (X) =n Varianza σ 2 Var(X) =n (1 ) Desviación Tíica σ n (1 ) 3
4 Ejemlo 6 En una fábrica hay 12 máquinas. Cada una de ellas está averiada un día de cada 10. Cuál es la robabilidad de que un determinado día haya más de 3 máquinas averiadas? Sea la variable X ="n o de máquinas averiadas de un total de 12 si P (avería) = 0, 1" Bi(n =12,=0.1). P (X >3) µ = 1 P (X 3) = 1 [P µ (X =0)+P (X =1)+P (X =2)+P (X =3)]= 12 = (1 0.1) (1 0.1) µ 0 µ (1 0.1) (1 0.1) = = La v.a. binomial está tabulada ara valores equeños de n. Hay tablas que dan la función de masa de robabilidad P (X = k) o bien la función de distribución P (X k), aunque sólo vienen ara valores Distribución Binomial Negativa La distribución Binomial Negativa de arámetro r y (BN (r, )) surge como una secuencia infinita de intentos del tio de Bernoulli que verifican: La secuencia de intentos es indeendiente. Cada resultado del intento uede tomar únicamente dos resultados mutuamente excluyentes, que denotaremos or EXITO (E) o FRACASO (F). La robabilidad de éxito (y or lo tanto la de fracaso) es constante en cada intento. Los intentos continúan (se ejecutan) hasta que un total de r éxitos se hayan observado. Así cada intento, definiendo = P (EXITO) y asignando el valor 0 cuando ocurre F y el valor 1 cuando ocurre E, se uede describir como una distribución de Bernoulli de arámetro. Definición 7 Una v.a. X tiene una distribución Binomial Negativa si (ara algún entero ositivo r y algún con 0 1) X = "n o de fracasos hasta el r ésimo éxito si = P (EXITO) " µ r + k 1 P (X = k) = r (1 ) k si k =0, 1, 2,... k 4
5 Proosición 8 Si X tiene la distribución Binomial Negativa con r (número de éxitos) y (robabilidad de éxito) que denotaremos or X BN (r, ) entonces la variable Y = X + r, que reresenta el número de ruebas ara del éxito r-ésimo, tiene una distribución relacionada con X or: µ k 1 P (Y = k) =P (X = k r) = r (1 ) k r si k = r, r +1,r+2,... k r Observación 9 La distribución Binomial Negativa con r =1es conocida en la literatura or distribución geométrica de arámetro y mide el número de fracasos antes del rimer éxito. PROPIEDADES Distribución Binomial Negativa de arámetros r y (1 ) Media µ E (X) =r Varianza σ 2 (1 ) Var(X) =r 2 r (1 ) Desviación Tíica σ 5 Distribución Hiergeométrica La distribución Hiergeométrica de arámetros k, n y N (HG(k, n, N)) surge en situaciones en donde el modelo aroximado de robabilidad se corresonde con muestreo sin reemlazamiento de una oblación dicotómica (Exito y Fracaso) finita. Concretamente, las suosiciones que llevan a considerar esta distribución son: La oblación o conjunto donde deba hacerse el muestreo consta de N individuos o elementos a seleccionar. Cada individuo uede ser caracterizado como un éxito (E) o fracaso (F). Se selecciona una muestra de n individuos de entre los k individuos marcados como éxito y los N k restantes marcados como fracaso. Hay selección equirobable en cada aso. Definición 10 Una v.a. X tiene una distribución Hiergeométrica si (ara algunos enteros ositivos k, n y N) X = "n o de individuos de un total de n con cierta característica (éxito) si en N hay un total de k" 5
6 P (X = x) = µ µ k N k x n k µ si max {0,n (n k)} x min (n, k) N n Proosición 11 Podemos aroximar la distribución Hiergeométrica a la distribución Binomial, uesto que cuando N es grande (N > 10n) odemos suoner que X Bi(n, ) con = k N. PROPIEDADES Distribución Hiergeométrica de arámetros k, n y N Media µ E (X) =n Varianza σ 2 Var(X) =nq N n Desviación Tíica σ r nq N n N 1 N 1 Ejemlo 12 De cada tornillos fabricados or una determinada máquina hay 2 defectuosos. Para realizar el control de calidad se observan 150 tornillos y se rechaza el lote si el número de defectuosos es mayor que 1. Calcular la robabilidad de que el lote sea rechazado. Sea X ="n o de defectuosos de un total de n =150si en N =2.000 hay un total de k =2" HG(k =2,n= 150,N =2.000) Se ide P (X >1) = 1 [P (X =0)+P (X =1)]= µ µ µ µ = µ + µ Como los cálculos son comlicados, se va a aroximar la v.a. X or una binomial Bi n = 150,= =0.001 P (X µ >1) = 1 [P (X =0)+P (X =1)]= µ 150 = ( ) ( ) Distribución de Poisson Consideremos sucesos ("éxitos") que ocurren aleatoriamente a lo largo del tiemodysealav.a. X ="n o de sucesos en el intervalo de tiemo (0,t)". La distribución de Poisson de arámetro λ surge en los llamados rocesos de Poisson que se resenta en relación con el acontecimiento de éxitos de un tio articular 6
7 durante un intervalo continuo de tiemo. Las suosiciones de un roceso de Poisson, durante un intervalo de tiemo que emieza en t =0son: Existe un arámetro λ tal que ara cualquier intervalo corto de tiemo 4t, la robabilidad de que ocurra exactamente un éxito es λ4t. La robabilidad de que se roduzca más de un éxito en el intervalo 4t es o (4t) 1. El número de éxitos ocurrido en un intervalo 4t es indeendiente del número ocurrido antes de este intervalo de tiemo. Definición 14 Una v.a. X tiene una distribución de Poisson si (ara algún λ con λ 0) X = n o de éxitos en un intervalo de tiemo si el n o medio es λ λ λk P (X = k) = e si k =0, 1, 2,... k! Proosición 15 Sea X Poisson(λ 1 ), Y P oisson (λ 2 ) indeendientes, entonces la variable X + Y Poisson(λ 1 + λ 2 ) Proosición 16 Se uede considerar que una v.a. Poisson(λ) es límite de una binomial Bi(n, ) si <0.1 y n < 5 Proosición 17 La distribución de Poisson resenta su máximo en los untos x = λ y x = λ 1. 1 Definición 13 o (4t) si o(4t) lim =0 t 4t 7
8 PROPIEDADES Distribución de Poisson de arámetros λ Media µ E (X) =λ Varianza σ 2 Var(X) =λ Desviación Tíica σ λ Ejemlo 18 En un taller se averían una media de 2 máquinas a la semana. Calcula la robabilidad de que no haya ninguna avería en una semana. Y de que haya menos de 6 en un mes? Sea X ="n o de averías en una semana si de media hay λ =2" Poisson(λ =2). Entonces 2 20 P (X =0)=e 0! =0.14 Sienunasemanahay2averíasdemedia,entoncesenunmeshay2 4 =8 averías de media. Sea entonces Y ="n o de averías en un mes si de media hay λ =8" Poisson(λ =8) P (Y 5) = P (Y =0)+ + P (Y =5)=e + + e 2 0! 5! =
CONVERGENCIA ESTOCÁSTICA Y TEOREMAS LIMITE. Estadística aplicada a la empresa I Prof. D. Juan José Pérez Castejón
CONVERGENCIA ESTOCÁSTICA Y TEOREMAS IMITE. Estadística alicada a la emresa I Prof. D. Juan José Pérez Castejón 1 CONVERGENCIA ESTOCÁSTICA Y TEOREMAS IMITE. En este tema se ersigue introducir el conceto
Más detallesLa distribución de probabilidad de la variable aleatoria (v. a). Bernoulli, está dada por:
Distribución Bernoulli Una rueba o exerimento Bernoulli tiene uno de dos resultados mutuamente excluyentes, que generalmente se denotan S (éxito) y F (fracaso). Por ejemlo, al seleccionar un objeto ara
Más detallesTema 5. Variables aleatorias discretas
Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso
Más detallesMétodos Estadísticos 2.3. Distribuciones discretas de probabilidad
2.3. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Parámetros de un problema Saber: Explicar el concepto de variable discreta. Explicar los conceptos y métodos de la distribución binomial, hipergeométrica,
Más detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesUnidad 5. Aplicaciones de las derivadas. Objetivos. Al terminar la unidad, el alumno:
Unidad 5 Alicaciones de las derivadas Objetivos Al terminar la unidad, el alumno: Resolverá roblemas de ingreso utilizando el ingreso marginal. Resolverá roblemas de costos utilizando el costo marginal
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o 2 Profesor: Hugo S. Salinas. Primer Semestre 20. El gerente
Más detallesClase 5: Variables Aleatorias y Distribuciones de Probabilidad
Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Variables Aleatorias Una variable aleatoria es una función que asocia un número real con cada elemento del EM. Ejemplo 1: El EM que da una
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 2
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)
Más detallesBloque 5. Probabilidad y Estadística Tema 1. Probabilidad Ejercicios resueltos
loque 5. Probabilidad y Estadística Tema 1. Probabilidad Ejercicios resueltos 5.1-1 Se lanzan al aire tres monedas iguales, describe todos los sucesos del esacio muestral. Sean los sucesos A = sacar al
Más detallesTema 2 - Introducción
Tema 2 - Introducción 1 Tema 1. Introducción a la inferencia estadística Planteamientos y objetivos. Revisión de distribuciones multivariantes. Esperanza y varianza de sumas de v.a. independientes. Tema
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 2
7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).
Más detalles1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde
Soluciones de la relación del Tema 6. 1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B1, p), donde p = P X = 1) = P la persona presente síntomas)
Más detallesTema 6 Algunos modelos de distribuciones discretas.
Tema 6 Algunos modelos de distribuciones discretas. Una vez epuesta la teoría general sobre variables aleatorias y sus distribuciones de probabilidad, vamos a describir algunas distribuciones particulares
Más detallesPROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA
Problema 1 PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA Hoja 2 Una población de 20 animales insectívoros se introduce en una zona donde el 14% de los insectos que le sirven de alimento son venenosos. Cada
Más detallestodas especialidades Soluciones de las hojas de problemas
Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica
Más detallesRelación de problemas: Variables aleatorias
Estadística y modelización. Ingeniero Técnico en Diseño Industrial. Relación de problemas: Variables aleatorias 1. Se lanza tres veces una moneda y se observa el número de caras. (a) Calcula la distribución
Más detalles5. DISTRIBUCIONES DE PROBABILIDADES
5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable
Más detallesUniversidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I
Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I 1. Supongamos que Ω = A B y P (A B) = 0.2. Hallar: (a) El máximo valor posible para P (B), de tal manera
Más detallesDISTRIBUCIONES DISCRETAS DE PROBABILIDAD
www.siresistemas.com/clases Ing. Oscar Restrepo DISTRIBUCIONES DISCRETAS DE PROBABILIDAD 1. Debido a las elevadas tasas de interés, una empresa reporta que el 30% de sus cuentas por cobrar de otras empresas
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesTema 3: Variables aleatorias y vectores aleatorios bidimensionales
Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos
Más detallesControl Estadístico de Procesos
Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control
Más detallesModelos de distribuciones discretas y continuas
Modelos de distribuciones discretas y continuas Discretas En la versión actual de Rcdmr podemos encontrar las distribuciones discretas estudiadas en este curso y para cada una de ellas están disponibles
Más detallesTema 3. Variables aleatorias. Inferencia estadística
Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 3. Variables aleatorias. Inferencia estadística 1. Introducción 1 2. Variables aleatorias 1 2.1. Variable
Más detallesTema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES
Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES 1.- Definición de variable aleatoria discreta. Normalmente, los resultados posibles (espacio muestral Ω) de un experimento aleatorio no son
Más detallesPrincipio de la Termodinámica
ema.- Primer P Princiio de la ermodinámica..- El rabajo en la Mecánica. rabajo realizado or una fuerza externa F, que actúa sobre los límites del sistema, cuando su unto de alicación exerimenta un deslazamiento
Más detallesINTRODUCCIÓN A LA PROBABILIDAD.
INTRODUCCIÓN A LA ROBABILIDAD. Departamento de Matemáticas Se denomina experimento aleatorio a aquel en que jamás se puede predecir el resultado. El conjunto formado por todos los resultados posibles de
Más detallesControl de Fase. Capítulo 4. 4.1 Conceptos Teóricos
Caítulo 4 Control de Fase 4.1 Concetos Teóricos En este caítulo se resentará el método de control de fase ara convertidores AC/DC conmutados or línea, comúnmente conocidos como rectificadores controlados.
Más detallesPROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS
PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS Grupos P y P (Prof. Ledesma) Problemas. Variables aleatorias..- Sea la v.a. X que toma los valores - y con probabilidades, y, respectivamente y
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallessección página desplazamiento
1 1.- PROBLEMA (30%) Un sistema de gestion de memoria soorta esacios de direcciones logicas de 32 bits y un modelo de memoria aginado con tama~nos de agina de 4K bytes. Con estos datos, la tabla de aginas
Más detallesT.1 CONVERGENCIA Y TEOREMAS LÍMITE
T.1 CONVERGENCIA Y TEOREMAS LÍMITE 1. CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIA CONVERGENCIA CASI-SEGURA CONVERGENCIA EN PROBABILIDAD CONVERGENCIA EN MEDIA CUADRÁTICA CONVERGENCIA EN LEY ( O DISTRIBUCIÓN)
Más detallesIntroducción a la Teoría de Probabilidad
Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento
Más detallesUNIVERSIDAD COMPLUTENSE DE MADRID
TIEMPO: INSTRUCCIONES GENERALES Y VALORACIÓN Una hora y treinta minutos. INSTRUCCIONES: El examen presenta dos opciones A y B; el alumno deberá elegir una de ellas y contestar razonadamente a los cuatro
Más detallesTema 4. Experimentos aleatorios. Cálculo de probabilidades.
Tema 4. Exerimentos aleatorios. Cálculo de robabilidades. Indice 1. Tios de sucesos. Sucesos robabilísticos.... 2 2. Álgebra de oole... 2 2.1. efiniciones... 2 2.2. Oeraciones. Tios de sucesos... 3 2.3.
Más detallesTema 3: Variable aleatoria 9. Tema 3: Variable aleatoria
Tema 3: Variable aleatoria 9 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Tema 3: Variable aleatoria 1. Probar si las siguientes funciones pueden definir funciones
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS
ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS DESCRIPCIÓN DEL TEMA: 10.1. Introducción. 10.2. Método de las transformaciones. 10.3. Método de inversión. 10.4. Método de aceptación-rechazo.
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 7 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 detalles7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD
7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD La Distribución Binomial Esta distribución fue elaborada or Jacobo Bernoulli y es alicable a un gran número de roblemas de carácter económico y en numerosas alicaciones
Más detalles9. Lección 9: Cambios de Fase
9. Lección 9: Cambios de Fase Cuando un sistema consiste de más de una fase, cada fase uede ser considerada como un sistema searado del todo. Los arámetros termodinámicos del sistema entero ueden ser construidos
Más detalles6. Métodos para resolver la ecuación completa.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 0. 6. Métodos ara resolver la ecuación comleta. Dedicamos esta sección a ver dos métodos que nos ermiten hallar una solución articular de la ecuación comleta y +
Más detallesEjercicios Riesgo y Retorno Resueltos
Ejercicios Riesgo y Retorno Resueltos Comentes:. ara lograr el efecto diversificación en un ortafolio debemos necesariamente invertir en activos que no se correlacionen o que tienen correlación negativa.
Más detalles2. Probabilidad. Estadística. Curso 2009-2010. Ingeniería Informática. Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24
2. Probabilidad Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24 Contenidos 1 Experimentos aleatorios 2 Algebra de sucesos 3 Espacios
Más detallesMaster en Gestión de la Calidad
Master en Gestión de la Calidad E U R O P E A N Q U A L I T Y 18. Estudios de Capacidad 1 / 1 Estudios de Capacidad: Lo que vamos a estudiar en este apartado se emplea tanto en la planificación de los
Más detallesIntroducción a los. Árboles de Decisión
ntroducción a los Árboles de Decisión ntroducción: Un árbol de decisión es una forma gráfica y analítica de reresentar todos los eventos (sucesos) que ueden surgir a artir de una decisión asumida en cierto
Más detallesPRACTICA 2: Distribuciones de probabilidad discretas
Fn(x) 0.0 0.2 0.4 0.6 0.8 1.0 1 0 1 2 3 4 5 x PRACTICA 2: Distribuciones de probabilidad discretas 1. Clasi que las siguientes variables como discretas o continuas: (a) Número de crías (b) Peso del contenido
Más detallesTEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS
TEMA 6: VARIABLES ALEATORIAS. DISTRIBUCIONES DE PROBABILIDAD 1. VARIABLES ALEATORIAS 1.1 Variables aleatorias Considera el experimento aleatorio consistente en lanzar dos monedas. El espacio muestral de
Más detallesRENDIMIENTO de TRANSFORMADORES
ENDMENTO de TANSFOMADOES Norberto A. Lemozy NTODCCÓN El conocimiento del rendimiento de cualquier máquina, disositivo o sistema tiene una gran imortancia or el valor económico que ello reorta, tanto desde
Más detalles12 Las distribuciones binomial y normal
Las distribuciones binomial y normal ACTIVIDADES INICIALES.I. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:
Más detalles2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p
Universidad de Sevilla Facultad de Ciencias Económicas y Empresariales Licenciatura de Economía Universidad de Sevilla ESTADÍSTICA I RELACIÓN 5 MODELOS Y DATOS ESTADÍSTICOS DEPARTAMENTO DE ECONOMÍA APLICADA
Más detallesExplicación de la tarea 3 Felipe Guerra
Explicación de la tarea 3 Felipe Guerra 1. Una ruleta legal tiene los números del 1 al 15. Este problema corresponde a una variable aleatoria discreta. La lectura de la semana menciona lo siguiente: La
Más detalles6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0)
1. La rueda de una ruleta se divide en 25 sectores de igual área que se enumeran del 1 al 25. Encuentra una fórmula para la distribución de probabilidades de la v.a. X que representa el número obtenido
Más detalles8. Estimación puntual
8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores
Más detallesIntroducción a la Estadística y a la Probabilidad Tercer examen. Capítulo 5 y 6. Viernes 5 de febrero del 2010.
Introducción a la Estadística y a la Probabilidad Tercer examen. Capítulo 5 y 6. Viernes 5 de febrero del 2010. Dos puntos 1. Para cada una de las siguientes variables, indica si son variables aleatorias,
Más detallesEJERCICIOS RESUMEN. Aplicación: INFERENCIA ESTADÍSTICA. Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013
Aplicación: INFERENCIA ESTADÍSTICA EJERCICIOS RESUMEN Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013 Página1 DESCRIP Ejercicio 1 Los siguientes son los números de cambios
Más detallesREPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.
REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer
Más detallesEstimación de las principales distribuciones de probabilidad mediante Microsoft Excel 1
Estimación de las principales distribuciones de probabilidad mediante Microsoft Excel Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento
Más detallesRegresión Logística. Introducción
Introducción En este tema estudiaremos cómo construir y analizar un modelo de regresión que retende reresentar la deendencia lineal de una variable resuesta con dos categorías (dicotómica) resecto a otras
Más detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesAlgunas distribuciones importantes de probabilidad
Capítulo 5 Algunas distribuciones importantes de probabilidad En los temas anteriores se presentaban ejemplos de distintos experimentos aleatorios y de variables aleatorias que expresan sus resultados.
Más detallesFunciones, x, y, gráficos
Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre
Más detallesMétodos generales de generación de variables aleatorias
Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad
Más detallesTema 1 con soluciones de los ejercicios. María Araceli Garín
Tema 1 con soluciones de los ejercicios María Araceli Garín Capítulo 1 Introducción. Probabilidad en los modelos estocásticos actuariales Se describe a continuación la Tarea 1, en la que se enumeran un
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detallesDistribuciones discretas. Distribución Binomial
Boletín: Distribuciones de Probabilidad IES de MOS Métodos estadísticos y numéricos Distribuciones discretas. Distribución Binomial 1. Una urna contiene 3 bolas blancas, 1 bola negra y 2 bolas azules.
Más detallesSIMULACION. Formulación de modelos: solución obtenida de manera analítica
SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar
Más detallesVariables aleatorias continuas
Variables aleatorias continuas Hemos definido que una variable aleatoria X es discreta si I X es un conjunto finito o infinito numerable. En la práctica las variables aleatorias discretas sirven como modelos
Más detallesTema 2: Estimación puntual
Tema 2: Estimación puntual 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: estimador y estimación Insesgadez
Más detallesProblemas resueltos por los alumnos
Problemas resueltos por los alumnos 1. Una empresa fabrica bombillas blancas de bajo consumo cuya duración media es de 10 años, pero algunas de ellas son defectuosas y tienen una vida media de 1 año. Se
Más detallesGrado en Ingeniería. Estadística. Tema 3
Grado en Ingeniería Asignatura: Estadística Tema 3. Control Estadístico de Procesos (SPC) Control Estadístico de Procesos (SPC) Introducción Variabilidad de un proceso de fabricación Causas asignables
Más detallesMatemáticas aplicadas a las Ciencias Sociales II Variables Aleatorias. Distribuciones Binomial y Normal. Índice. 1. Variables aleatorias 2
Matemáticas aplicadas a las Ciencias Sociales II Variables Aleatorias. Distribuciones Binomial y Normal Índice 1. Variables aleatorias 2 2. Distribución de probabilidad para variables aleatorias discretas
Más detallesGeneración de valores de las variables aleatorias
Generación de valores de las variables aleatorias Juan F. Olivares-Pacheco * 14 de junio de 007 Resumen En todo modelo de simulación estocástico, existen una o varias variables aleatorias interactuando.
Más detallesApuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
Más detallesAPROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y
APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL A LA NORMAL, LA CALCULADORA Y LAS TIC Abel Martín ( * ) Rosana Álvarez García ( ) En dos artículos anteriores ya hemos estudiado la distribución Binomial de parámetros
Más detallesMATEMÁTICAS 1º BACH CCSS - DISTRIBUCIÓN BINOMIAL = 0 3125.
MATEMÁTICAS º BACH CCSS - DISTRIBUCIÓN BINOMIAL ˆ EJERCICIO En una ciudad se han elegido al azar 7 habitantes. ¾Cuál es la probabilidad de que cuatro de ellos hayan nacido el 7 de mayo? p = P (haber nacido
Más detallesa) Presente la información en una tabla de distribución de frecuencias b) Determine e interprete: n 4
7 Anexo Nº 2 Creación de una tabla de distribución de frecuencias Ejemplo 1 Los siguiente datos corresponden a la variable X = número de hijos medido en los 50 trabajadores de cierta fábrica 1 2 3 2 4
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o Profesor: Hugo S. Salinas. Segundo Semestre. RESOLVER. 3
Más detallesSOLUCION ASIGNACIÓN 4
SOLUCION ASIGNACIÓN 4 Problema 1 Harley Davidson, director de control de calidad de la compañía de automóviles Kyoto Motor, se encuentra realizando su revisión mensual de transmisiones automáticas. En
Más detallesMatemáticas II Grado en Economía
Matemáticas II Grado en Economía Curso 2011-2012 Tema 1 Universidad devalladolid Departamento de Economía Aplicada 1. Introducción a las matemáticas de las operaciones financieras 1.1 Leyes financieras
Más detallesCálculo del poder estadístico de un estudio
Investigación: Cálculo del oder estadístico de un estudio /7 Cálculo del oder estadístico de un estudio Pértegas Día, S. sertega@canalejo.org, Pita Fernánde, S. sita@canalejo.org Unidad de Eidemiología
Más detallesE n el taller, además de la reparación de una avería o daño,
Planificación de la distribución del trabajo 2 E n el taller, además de la reparación de una avería o daño, se realizan trabajos administrativos de los que no se puede prescindir: elaboración de presupuestos,
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesCapítulo 3. Congruencias. 3.1. Clases residuales
Caítulo 3 Congruencias 3.1. Clases residuales En su obra Disquisitiones Arithmeticae, ublicada en el año 1801, Gauss introdujo el conceto de congruencia. Suongamos que a, b y m > 0 son números enteros.
Más detallesCAPÍTULO 4: FIJACIÓN DE LAS PRIMAS Y ANÁLISIS DE LA VARIABLE BORROSO ALEATORIA
arte III: Análisis de la determinación de las rimas en los seguros de vida y de la solvencia dinámica del asegurador cuando los tios de interés de valoración vienen estimados a través de números borrosos
Más detalles5.2. Selección Adversa
5.2. Selección Adversa Matilde P. Machado matilde.machado@uc3m.es 5.2. Selección Adversa Asimetría de información se da siemre que una de las artes en una transacción tiene más información que otra. Ejemlos:
Más detallesEjercicios de combinatoria resueltos. Matemática Discreta. 4º Ingeniería Informática
1. Un número telefónico consta de siete cifras enteras. Supongamos que la primera cifra debe ser un número entre 2 y 9, ambos inclusive. La segunda y la tercera cifra deben ser números entre 1 y 9, ambos
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA SEGUNDA PRUEBA PARCIAL Profesor: Hugo S. Salinas. Primer Semestre 2009 1. Resolver los siguientes
Más detallesTeoría de Colas o Fenómenos de Espera
Teoría de Colas o Fenómenos de Espera Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Introducción 2 Introducción............................................................
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesEjemplo: Ing. Raúl Canelos. Solución CONFIABILIDAD SEP 1
Ejemplo: Basándose en ciertos estudios una compañía a clasificado de acuerdo con la posibilidad de encontrar petróleo en tres tipos de formaciones. La compañía quiere perforar un pozo en determinado lugar
Más detallesProblemas. Variables Aleatorias. Modelos de Probabilidad
Problemas. Variables Aleatorias. Modelos de Probabilidad Ejemplos resueltos y propuestos Variables Aleatorias Discretas Una variable aleatoria discreta X de valores x 1, x 2,..., x k con función de probabilidad
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesProblemas de Probabilidad resueltos.
Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 2 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. La dureza Rockwell de un metal
Más detallesNÚMEROS NATURALES Y NÚMEROS ENTEROS
NÚMEROS NATURALES Y NÚMEROS ENTEROS Los números naturales surgen como respuesta a la necesidad de nuestros antepasados de contar los elementos de un conjunto (por ejemplo los animales de un rebaño) y de
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detalles