Probabilidad Condicional
|
|
- Susana Camacho Revuelta
- hace 7 años
- Vistas:
Transcripción
1 Probabilidad Condicional Independencia condicional Como hemos dicho, las probabilidades condicionales tienen las mismas propiedades que las probabilidades no condicionales. Un ejemplo más es el siguiente: Se dice que los eventos son condicionalmente independientes dado B, si para cada subcolección de esos eventos se tiene que
2 Teorema de Bayes Si se conoce Pr(A B i ) para cada i, el teorema de Bayes proporciona una fórmula útil para calcular las probabilidades condicionales de los B i eventos dado A.
3 Teorema de Bayes Sea B i,...,b k los eventos que forman una partición del espacio S tal que Pr(B i )>0 para j=1,2,...,k y sea A un evento tal que Pr(A) >0. Entonces para i=1,...,k, tenemos que
4 Teorema de Bayes Suponga que el ministerio de sanidad está ofreciendo hacer un test gratis para una cierta enfermedad. El test tiene una fiabilidad del 90%. Por otro lado, una colección de datos indican que la posibilidad de tener esa enfermedad es de 1 entre Como el test es gratis, no duele y es rápido, decidimos hacer el test. Cuál es la probabilidad de tener la enfermedad después de saber que el resultado del test fue positivo?
5 Teorema de Bayes Se tienen 3 diferentes máquinas M 1 M 2 M 3 con las que se hace un producto. Los productos fabricados se guardan en un almacén y se sabe que el 20% de esos productos fueron hechos con la máquina M 1, 30% con la M 2 y 50% con M 3. También se sabe que el 1% de los productos hechos con la máquina M 1 son defectuosos, mientras que con M 2, 2% son defectuosos y con M 3, 3% de los productos son defectuosos.
6 Teorema de Bayes Pregunta: Si se selecciona aleatoriamente un producto del almacén y resulta que éste es defectuoso, cuál es la probabilidad de que dicho producto fuese producido por M 2?
7 Probabilidad Condicional Teorema de Bayes para probabilidades condicionales:
8 Definición: Sea S el espacio muestral de un experimento. Una función real definida sobre el espacio S es una variable aleatoria. Ejemplo: Se lanza una moneda 5 veces. Sea X la función (real) que cuenta el número de veces que sale cara en un posible resultado. Si r ={cara, cara,cruz,cara, cruz} entonces X(r)=3
9 Las variables aleatorias puede ser: - Discretas (número de valores finito o infinito contable) - Continuas (si toma valores en intervalos de la recta real)
10 Cuando se específica una medida de probabilidad sobre el espacio muestral se pueden determinar las probabilidades asociadas con los valores posibles que toma la variable aleatoria X. La colección de todas las probabilidades de X es la distribución de X.
11 Ejemplo: distribución de X: suma de valores obtenidos en el lanzamiento de dos dados
12 Ejemplo: Se lanza una moneda 10 veces y sea X la variable aleatoria que corresponde al número de caras que se obtienen en una secuencia. En este ejemplo, los valores de X son 0,1,2,..,10. Para cada valor de x, la probabilidad Pr(X=x) es la suma de las probabilidades de todos los resultados del evento {X=x}
13 Función de probabilidad y soporte: Si una variable aleatoria X tiene una distribución discreta, la función de probabilidad de X se define como la función f tal que para cada número real x, f(x)=pr(x=x) La cerradura del conjunto {x:f(x) > 0} se le llama soporte de la distribución.
14 Función de probabilidad: Teorema. Si X es una variable aleatoria discreta que toma los valores x 1,x 2,... con probabilidades p 1,p 2,..., respectivamente, la función de probabilidad (pf) asigna probabilidades a todos los posibles valores de X tal que f(x)=pr(x=x)=p i si x=x i f(x)=0 de otra forma Además
15 Función de probabilidad acumulativa: Se define la función de probabilidad acumulativa (cpf) de X, F(x), cuyo valor da la probabilidad que como: Además, con la función de probabilidad acumulativa podemos calcular la probabilidad de que X se encuentre entre los valores
16 Propiedades de la función de probabilidad acumulativa: La función de probabilidad acumulativa, F(x), es una función no decreciente de x y F(x)=1 para
17 Lanzamiento de dos dados Función de distribución o función de probabilidad acumulativa:
18 5 ejemplos de distribuciones discretas: - Distribución de Bernoulli - Distribución uniforme - Distribución binomial - Distribución de Poisson - Distribución geométrica
19 Distribución de Bernoulli: Una variable aleatoria X que toma únicamente 2 valores, digamos 0 y 1, con Pr(X=1)=p, se dice que sigue una distribución de Bernoulli con parámetro p: Pr(X=1)=p y Pr(X=0)=1-p En este caso se puede escribir la función de probabilidad como:
20 Distribución uniforme: Sea a y b números enteros ( ). Suponga que una variable aleatoria es igualmente probable para cada uno de los enteros a,...,b. Se dice entonces que la variable aleatoria X tiene una distribución uniforme sobre los enteros a,...,b.
21 Distribución Uniforme: Teorema. Si X tiene una distribución uniforme sobre los enteros a,...,b,la función de probabilidad de X está dada por
22 Distribución binomial: Esta distribución describe procesos que consisten de un número de intentos independientes con dos posibles resultados. Es usual llamar a los posibles resultados: éxitos y fracasos
23 Distribución binomial: Digamos que tenemos los eventos A y B, con Si la probabilidad de que ocurra un éxito es Pr(A)=p, entonces la probabilidad de un fracaso es Pr(B)=q=1-p Si se realizan n intentos, entonces la variable aleatoria X está dada por: X=número de veces que A ocurre (éxitos). Por lo que X puede tomar los valores 0,1,..., n
24 Si se realizan n intentos y x son éxitos una posible secuencia es:
25 Distribución binomial: La función de probabilidad de que en n intentos x sean éxitos está dada por: Comment: para n=1, tenemos la fp de Bernoulli
26 Movimiento Browniano (enfoque de Einstein- Smoluchowski) Brown Einstein (~1820) (1905)
27 Movimiento Browniano (enfoque de Einstein- Smoluchowski) Caminante aleatorio en 1D: Una partícula salta una distancia l en un tiempo (promedio) Al tiempo t la partícula ha dado saltos
28 Movimiento Browniano (enfoque de Einstein- Smoluchowski) Supongamos que R saltos han sido hacia la derecha y L saltos hacia la izquierda. De este modo n= R + L Ahora supongamos que la partícula dió m saltos más hacia la derecha, es decir, m = R - L
29 Movimiento Browniano (enfoque de Einstein- Smoluchowski) Usando la distribución binomial encontramos que la función de probabilidad de encontrar a la partícula en m, después de n saltos, es: de donde:
30 Movimiento Browniano (enfoque de Einstein- Smoluchowski) Usando la distribución binomial encontramos que la función de probabilidad de encontrar a la partícula en m, después de n saltos, es: de donde:
31 Movimiento Browniano (enfoque de Einstein- Smoluchowski) Suponiendo que con y utilizando la aproximación: se encuentra que o bien Con coeficiente de difusión D:
32 Movimiento Browniano (enfoque de Einstein- Smoluchowski)
33 Distribución de Poisson: Nos da la probabilidad de obtener un número dado de éxitos, en un número de intentos que no podemos enumerar. a) Tiempo de llegada aleatorias a un sitio b) Ocurrencia de desastres naturales
34 Distribución de Poisson: : promedio de eventos (éxitos) en cierto intervalo (de tiempo, por ejemplo).
35
36 La distribución de Poisson puede obtenerse de la distribución binomial considerando los límites: De modo que
37 Ejemplo: Suponga que un estudiante recibe aleatoriamente whatsapps. Si en promedio recibe 10 whatsapps durante la clase de Métodos Matemáticos (50 minutos). Calcule la probabilidad de que en esos 50 minutos reciba 0, 1, 2, y 3 mensajes.
38 Distribución de geométrica (problemas de tiempo de espera) Cuánto tiempo hay que esperar para lograr un primer éxito?
39 Ejemplo: Suponga que un restaurant ofrecerá una comida gratis al primer cliente que llegue que cumpla años ese día. Cuánto tiene que esperar el restaurant para que la primera persona cumpliendo años aparezca? i.e., cuántos clientes visitarán el restaurant antes de que aparezca la primera persona que cumple años?
Probabilidad Condicional
Cómo actualizar la probabilidad de un evento dado que ha sucedido otro? o Cómo cambia la probabilidad de un evento cuando se sabe que otro evento ha ocurrido? Ejemplo: Una persona tiene un billete de lotería
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detallesDefinición 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 detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesDefinición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).
VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido
Más 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 detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica
Más detallesUnidad 1: Espacio de Probabilidad
Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar
Más detallesUnidad 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 detallesSESION 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 detallesCapítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta
Capítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática
Más detallesProbabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro
Probabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro La probabilidad nos proporciona un modelo teórico para la generación de los datos experimentales Medidas de la Posibilidad
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Probabilidad Conceptos como probabilidad, azar, aleatorio son tan viejos como la misma civilización. Y es que a diario utilizamos el concepto de probabilidad: Quizá llueva mañana
Más detallesUnidad Temática 2 Probabilidad
Unidad Temática 2 Probabilidad Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una F si la rechaza. 1. El experimento que consiste
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 detallesPrueba Integral Lapso /6
Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,
Más detallesGrupo 23 Semestre Segundo examen parcial
Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige
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 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 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 detallesHOJA DE TRABAJO UNIDAD 3
HOJA DE TRABAJO UNIDAD 3 1. Defina que es probabilidad Es el estudio de experimentos aleatorios o libres de determinación, el resultado es al azar. Se refiere al estudio de la aleatoriedad y a la incertidumbre.
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesProbabilidad Condicional
Probabilidad Condicional Algunas veces la ocurrencia de un evento A puede afectar la ocurrencia posterior de otro evento B; por lo tanto, la probabilidad del evento B se verá afectada por el hecho de que
Más detallesTeorema de Bayes. mientras que B tiene una tasa de defectos del 4%.
Teorema de Bayes Ejemplo: En una empresa manufacturera, una máquina A produce el 60% de la producción total, mientras que una máquina B el restante 40%. 71 El 2% de las unidades producidas por A son defectuosas,
Más detallesTema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
Más detallesCÁLCULO DE PROBABILIDADES
CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.
Más detallesDistribución binomial
Distribución binomial Cuando la Distribución de Benoulli se preguntaba Que pasara si sucede un único evento? la binomial esta asociada a la pregunta " Cuantas veces hay que realizar la prueba para que
Más detallesTEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES
TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES EXPERIMENTOS: EJEMPLOS Deterministas Calentar agua a 100ºC vapor Soltar objeto cae Aleatorios Lanzar un dado puntos Resultado fútbol quiniela
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Programa Probabilidad Teoría de conjuntos Diagramas de Venn Permutaciones y combinaciones Variables aleatorias y distribuciones Propiedades de distribuciones Funciones generadoras
Más detallesDiscretas. 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 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 detallesTiempo completo Tiempo parcial Total Mujeres Hombres Total
ASIGNACION DE ROBABILIDAD A manera de introducción al tema analicemos las diferencias entre eventos mutuamente excluyentes, no mutuamente excluyentes, dependientes e independientes. Ejemplo : En un grupo
Más detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UCM Función de distribución y función de densidad Ejercicio. Sea X una variable aleatoria con función de distribución dada
Más detallesTema 4 Variables Aleatorias
Tema 4 Variables Aleatorias 1 Introducción En Estadística Descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y posteriormente se vimos los fundamentos de la teoría de probabilidades.
Más detallesAnálisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Antofagasta, Junio de 2014 Freddy
Más detallesINTRODUCCIÓN 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 detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
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 detallesConceptos. Experimento Aleatorio: Es un fenómeno en el que interviene el azar, es decir no se puede predecir el resultado.
Teresa Pérez P DíazD Profesora de matemática tica Conceptos Experimento Aleatorio: Es un fenómeno en el que interviene el azar, es decir no se puede predecir el resultado. Ejemplos: E : Lanzar un dado,
Más detalles5 DISTRIBUCIONES BINOMIAL Y DE POISSON
5 DISTRIBUCIONES BINOMIAL Y DE POISSON La repetición sucesiva de n pruebas (ensayos) de BERNOUILLI de modo independiente y manteniendo constante la probabilidad de éxito p da lugar a la variable aleatoria
Más detallesIntroducción a la Probabilidad
Introducción a la Probabilidad Tema 3 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Entender el concepto de experimento
Más detalles1.1 CASO DE ESTUDIO: JUEGO DE CRAPS
. CASO DE ESTUDIO: JUEGO DE CRAPS El juego de Craps se practica dejando que un jugador lance dos dados hasta que gana o pierde, el jugador gana en el primer lanzamiento si tiene como total 7 u, pierde
Más detallesDistribución de Probabilidades con Nombre Propio Problemas Propuestos
Distribución de Probabilidades con Nombre Propio Problemas Propuestos DISTRIBUCIÓN BINOMIAL (BERNOULLI) 2.167 Hallar la probabilidad de que al lanzar una moneda honrada 6 veces aparezcan (a) 0, (b) 1,
Más detallesUnidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.
Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma
Más detallesEXPERIMENTO 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 detallesPROBABILIDAD CONDICIONAL E INDEPENDENCIA
PROBABILIDAD CONDICIONAL E INDEPENDENCIA Definición Si A y B son dos eventos, se define la probabilidad de A dado B como la probabilidad de que ocurra el evento A cuando el evento B ya ocurrió o se tiene
Más detallesESTADÍSTICA 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 detalles2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria
2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un
Más detallesTema 4. MODELOS DE DISTRIBUCIONES DISCRETOS.
Estadística Tema 4 Curso /7 Tema 4. MODELOS DE DISTRIBUCIONES DISCRETOS. Objetivos Conceptos: Conocer los siguientes modelos discretos de probabilidad: uniforme, binomial, geométrico y Poisson. De cada
Más detallesTema 4. Probabilidad Condicionada
Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello
Más detallesIII Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo
Más detallesPROBABILIDAD 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 detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS PROBABILIDAD Área a la que pertenece: Área Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0056 Asignaturas antecedentes y subsecuentes PRESENTACIÓN
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesCONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos.
CAPÍTULO IV. CONTINUIDAD DE FUNCIONES SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. 121 A. DEFINICIÓN DE FUNCIÓN CONTINUA. Una función
Más detallesDistribuciones de probabilidad discretas
Lind, Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. Distribuciones de probabilidad discretas Capítulo 6 FVela/ McGraw-Hill/Irwin
Más detallesBioestadística. Curso Capítulo 3
Bioestadística. Curso 2012-2013 Capítulo 3 Carmen M a Cadarso, M a del Carmen Carollo, Xosé Luis Otero, Beatriz Pateiro Índice 1. Introducción 2 2. Variable aleatoria 2 2.1. Variables aleatorias discretas...............................
Más detallesTema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto
Estadística Tema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................
Más detallesAversión al riesgo, equivalente cierto y precios de reserva
Aversión al riesgo, equivalente cierto y precios de reserva Ricard Torres ITAM Economía Financiera, 2015 Ricard Torres (ITAM) Aversión al riesgo, equivalente cierto y precios de reserva Economía Financiera
Más detallesRelación de Problemas. Tema 6
Relación de Problemas. Tema 6 1. En una urna hay 5 bolas blancas y 2 negras y se sacan tres bolas sin reemplazamiento. a) Calcular la distribución conjunta del número de bolas blancas y negras de entre
Más detalles5. MODELOS PROBABILISTICOS.
5. MODELOS PROBABILISTICOS. 5.1 Experimento de Bernoulli Un modelo probabilístico, es la forma que pueden tomar un conjunto de datos obtenidos aleatoriamente. Pueden ser modelos probabilísticos discretos
Más detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD Se llama variable aleatoria a toda función que asocia a cada elemento del espacio muestral E un número real. Una variable aleatoria discreta es aquella que sólo puede tomar
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 detallesDr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez
Profesores: Mg. Cecilia Rosas Meneses Dr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez Definición. La función de distribución acumulada F X de una v.a. X es definida para cada número real x como
Más detallesCarrera: EMM Participantes Representante de las academias de ingeniería Electromecánica de los Institutos Tecnológicos.
1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Electromecánica EMM - 0528 3 2 8 2.- HISTORIA
Más detallesLimite de una función.
Limite de una función. Concepto de límite. La palabra límite proviene del latín es que significa frontera. El límite puede ser una línea imaginaria o real, que separa dos países, territorios o terrenos,
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 detallesEjercicio 1(10 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa
Más detallesDISTRIBUCIÓN DE POISSON
DISTRIBUCIÓN DE POISSON P O I S S O N Siméon Denis Poisson, (1781-1840), astronauta francés, alumno de Laplace y Lagrange, en Recherchés sur la probabilité des jugements..., un trabajo importante en probabilidad
Más detallesPruebas de Acceso a las Universidades de Castilla y León
Pruebas de Acceso a las Universidades de Castilla y León MATMÁTICAS APLICADAS A LAS CINCIAS SOCIALS JRCICIO Nº páginas 2 Tablas OPTATIVIDAD: L ALUMNO/A DBRÁ SCOGR UNO D LOS DOS BLOQUS Y DSARROLLAR LAS
Más detallesCapítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
Más detallesDr. Francisco Javier Tapia Moreno. Octubre 14 de 2015.
Dr. Francisco Javier Tapia Moreno Octubre 14 de 2015. Nuestra explicación anterior de intersecciones y uniones indica que nos interesa calcular las probabilidades de sucesos tales como A y B y A o B. Estos
Más detalles1.3.- V A L O R A B S O L U T O
1.3.- V A L O R A B S O L U T O OBJETIVO.- Que el alumno conozca el concepto de Valor Absoluto y sepa emplearlo en la resolución de desigualdades. 1.3.1.- Definición de Valor Absoluto. El valor absoluto
Más detalles1.1. Distribución exponencial. Definición y propiedades
CONTENIDOS 1.1. Distribución exponencial. Definición y propiedades 1.2. Procesos de conteo 1.3. Procesos de Poisson - Tiempos de espera y entre llegadas - Partición y mezcla de un proceso de Poisson -
Más detallesUnidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.
Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesDistribución muestral de proporciones. Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua
Distribución muestral de proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Distribución muestral de Proporciones Existen ocasiones
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 detallesCondiciones para una distribución binomial
ESTADÍSTICA INFERENCIAL FUNCIONES DE PROBABILIDAD DISCRETAS: BINOMIAL y POISSON EJERCICIOS RESUELTOS DE FUNCIÓN DE PROBABILIDAD BINOMIAL USANDO TABLAS y EXCEL Prof.: MSc. Julio R. Vargas A. Fórmulas de
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD Junio, Ejercicio 3, Parte I, Opción A Junio, Ejercicio 3, Parte I, Opción B Reserva 1,
Más detallesProbabilidad. Generalidades
robabilidad Generalidades a probabilidad estudia experimentos en los que se pueden esperar varios resultados y no solamente uno. os experimentos se pueden clasificar como aleatorios o determinísticos.
Más detallesIntegración indefinida y definida. Aplicaciones de la integral: valor medio de una función continua.
Integración indefinida y definida. Aplicaciones de la integral: valor medio de una función continua. 1 1 Departamento de Matemáticas. Universidad de Alcalá de Henares. Contenidos 1 Introducción 2 3 4 5
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesCUÁL 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 detallesEjercicios de Probabilidad
Ejercicios de Probabilidad Elisa M. Molanes-López, Depto. Estadística, UC3M Teorema de la Probabilidad Total y Teorema de Bayes Ejercicio 1. Un banco ha comprobado que uno de cada 100 clientes con fondos
Más detallesDistribución 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 detallesTema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
Más detallesJUNIO Opción A
Junio 010 (Prueba Específica) JUNIO 010 Opción A 1.- Discute y resuelve según los distintos valores del parámetro a el siguiente sistema de ecuaciones: a x + a y + az 1 x + a y + z 0.- Una panadería se
Más detallesSe desea estudiar el comportamiento de una función a medida independiente x se aproxima a un valor específico.
Tema: Límites de las funciones Objetivos: Comprender el concepto de límite de una función y las propiedades de los límites. Calcular el límite de una función algebraica utilizando las propiedades de los
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 detallesAnálisis probabilístico y Algoritmos Aleatorizados
Análisis probabilístico y Algoritmos Aleatorizados Andrés Becerra Sandoval Ponticia Universidad Javeriana 14 de julio de 2007 Lenguajes III Introducción La probabilidad puede ayudarnos a medir la complejidad
Más detallesMODELO DE RESPUESTAS Objetivos del 1 al 9
PRUEBA INTEGRAL LAPSO 05-764 - /9 Universidad Nacional Abierta Probabilidad y Estadística I (Cód. 764) Vicerrectorado Académico Cód. Carrera: 6 Fecha: 0-04-06 MODELO DE RESPUESTAS Objetivos del al 9 OBJ
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 2. Modelos de probabilidad
Estadística y sus aplicaciones en Ciencias Sociales 2. Modelos de probabilidad Facultad de Ciencias Sociales Universidad de la República Curso 2016 Índice 2.1. Variables aleatorias: funciones de distribución,
Más detallesESPACIOS MUESTRALES Y EVENTOS
1 ESPACIOS MUESTRALES Y EVENTOS Definiciones 1. Un experimento aleatorio es aquel que proporciona diferentes resultados aun cuando se repita siempre de la misma manera. 2. El conjunto de los posibles resultados
Más detallesTema 5: Principales Distribuciones de Probabilidad
Tema 5: Principales Distribuciones de Probabilidad Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 5: Principales Distribuciones de Probabilidad
Más detallesProbabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
Más detallesGrado en Ingeniería Informática Estadística Tema 5: Teoría Elemental del Muestreo e Inferencia Paramétrica Ángel Serrano Sánchez de León
Grado en Ingeniería Informática Estadística Tema 5: Teoría Elemental del Muestreo e Inferencia Paramétrica Ángel Serrano Sánchez de León Distribuciones Muestrales 1. Sea una población de 5 números: 2,
Más detallesUNIVERSIDAD DEL NORTE
UNIVERSIDAD DEL NORTE 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO MATEMÁTICAS Y ESATADÍSTICA. PROGRAMA ACADÉMICO ESTADÍSTICA I-AD CÓDIGO DE LA ASIGNATURA EST 1022 PRE-REQUISITO
Más detallesConceptos de Probabilidad (II)
Conceptos de Probabilidad (II) Jhon Jairo Padilla A., PhD. Necesidad Es común escuchar frases como: Juan Probablemente ganará el torneo de tenis Tengo posibilidad de ganarme la lotería esta noche La mayoría
Más detalles