Estadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas
|
|
- Trinidad Páez Rojas
- hace 7 años
- Vistas:
Transcripción
1 Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones multivariantes 25 Variables aleatorias independientes 26 Transformación variables aleatorias Objetivos 1 Relación probabilidad y variable aleatoria 2 Distinción entre variables continuas y discretas 3 Independencia de variables aleatorias Bibliografía Dekking et al (2005) Capítulos 3-5 Wasserman (2005) Capítulo 2 Wooldridge (2006) Apéndice B 1
2 21 Funciones de distribución y probabilidad Variable aleatoria: una VA es un mapping X : Ω R que asigna un número real X (ω) a cada resultado ω Función de distribución acumulada CDF: es una función F X : R [0, 1] definida como F X (x) = Pr (X x) La CDF contiene toda la información sobre la VA: si X tiene CDF F e Y tienen CDF G, entonces si F (x) = G (x) para todo x, entonces Pr (X A) = Pr (Y A) para todo A Una función F es una CDF sí y sólo sí: F es no decreciente F está normalizada: F es continua por la derecha: lím F (x) = 0 x lím x F (x) = 1 lím F (y) = F (x) y x,y>x 2
3 Una VA X es discreta si toma un número contable de valores {x 1, x 2, } Su función de probabilidad o función de masa de probabilidad se define como f X (x) = Pr (X = x) Por lo tanto f X (x) 0 y i f X (x i ) = 1 Además F X (x) = Pr (X x) = x i x f X (x i ) Ejemplos: Uniforme Una VA X es continua si existe una función f X f X (x) dx = 1 y para cada a b, tal que f X (x) 0 para todo x y Pr (a < X < b) = b a f X (x) dx La función f X se denomina función de densidad de probabilidad, PDF Además F X (x) = Pr (X x) = x f X (t) dt y f X (x) = F (x) en todos los puntos x en los que F X es diferenciable En este caso Pr (X = x) = 0 y Pr (X = x) f X (x) Además f X (x) puede ser mayor que 1 Ejemplos: Uniforme Lema: Pr (X = x) = F (x) lím y x,y<x Pr (x < X y) = F (y) F (x) Pr (X > x) = 1 F (x) Si X es continua F (b) F (a) = Pr (a < X < b) = Pr (a < X b) = Pr (a X < b) = Pr (a X b) 3
4 Inversa CDF o función cuantílica: F 1 (q) = ínf {x : F (x) > q}, q [0, 1] Si F es estrictamente creciente, entonces F 1 (q) es el único número x tal que F (x) = q Quartiles Mediana Igualdad en distribución X F 4
5 22 Ejemplos distribuciones discretas y continuas VA DISCRETAS: Punto de masa Uniforme Bernoulli Binomial Geométrica Poisson 5
6 VA CONTINUAS: Uniforme Normal o Gaussiana N (µ, σ 2 ) Normal Estándar N (0, 1) Su CDF se denomina Φ y su PDF φ Propiedades: X N ( µ, σ 2) Z = X µ N (0, 1) σ Z N (0, 1) X = µ + σz N ( µ, σ 2) Si X i N (µ i, σ 2 i ), i = 1,, n son independientes, entonces ( n n ) n X i N µ i, i=1 i=1 i=1 σ 2 i Además, si X N (µ, σ 2 ) ( a µ Pr (a < X < b) = Pr < X µ < b µ ) σ σ σ ( ) ( ) b µ a µ = Φ Φ σ σ Exponencial: f (x) = 1 β e x/β Gamma f (x) = 1 β α Γ (α) xα 1 e x/β t, Cauchy (t 1 ), χ 2 6
7 23 Distribuciones conjuntas y marginales DISTRIBUCIONES CONJUNTAS VA discretas: Distribución de (probabilidad) masa conjunta: f XY (x, y) = Pr (X = x Y = y) = Pr (X = x, Y = y) VA continuas: f XY (x, y) es una PDF para las variables aleatorias (X, Y ) si f XY (x, y) 0 para todo (x, y) f XY (x, y) dxdy = 1 Para cualquier conjunto A R R, Pr ((X, Y ) A) = f XY (x, y) dxdy A Función acumulada de probabilidad, CDF, F XY (x, y) = Pr (X x, Y y) = x y f XY (r, s) drds 7
8 DISTRIBUCIONES MARGINALES VA Discretas Si (X, Y ) tiene distribución conjunta f X,Y, entonces la función de masa marginal de X se define como f X (x) = Pr (X = x) = y Pr (X = x, Y = y) = y f X,Y (x, y) Ejemplo VA Continuas f X (x) = f X,Y (x, y) dy Función de probabilidad conjunta para vas discretas: Y \X f X (x 1 ) f X (x 2 ) f X (x s ) f Y (y 1 ) p 11 p 12 p 1s p y1 f Y (y 2 ) p 21 p 22 p 2s p y2 f Y (y m ) p m1 p m2 p ms p ym p x1 p x2 p xs 1 f X,Y (x j, y i ) = Pr {X = x j y Y = y i } f Y (y i ) = Pr {Y = y i } = s j=1 f X,Y (x j, y i ) f X (x j ) = Pr {X = x j } = m i=1 f X,Y (x j, y i ) Ejemplo: en una población con un número muy elevado de individuos se considera el experimento de seleccionar uno al azar y observar dos variables, Y Número de veces que ha estado desempleado X Número de titulaciones académicas donde las probabilidades de cada combinación de valores viene dada por la siguiente tabla, Y \X , 4 0, 2 0, 05 0, , 2 0, 1 0 0, 3 3 0, , 05 0, 65 0, 3 0,
9 24 Variables aleatorias independientes Dos VA X e Y son independientes si para cada A y B, Pr (X A, Y B) = Pr (X A) Pr (Y B) Teorema Si X e Y tienen PDF conjunta f X,Y, entonces X e Y son independientes sí y sólo sí f X,Y (x, y) = f X (x) f Y (y) para todos x e y Si f X,Y (x, y) = g (x) h (y) entonces X e Y son independientes Distribuciones condicionales VA Discretas: la función de masa condicional es si f X (x) > 0 f Y X (y x) = Pr (Y = y X = x) = Pr (X = x, Y = y) Pr (X = x) = f X,Y (x, y) f X (x) VA Continuas: la función de densidad de probabilidad condicional es si f X (x) > 0 Por tanto f Y X (y x) = f X,Y (x, y) f X (x) Pr (Y A X = x) = A f Y X (y x) dx Independencia: Si X e Y son independientes, entonces f Y (y) = f Y X (y x) para todo y, y todo x tal que f X (x) > 0 9
10 Ejemplo VA Discreta Las probabilidades de Y dado X están dadas por Y Pr {Y = y i X = x 1 } Pr {Y = y i X = x 2 } Pr {Y = y i X = x s } y 1 f 11 = p 11 /p x1 f 12 = p 12 /p x2 f 1s = p 1s /p xs y 2 f 21 = p 21 /p x1 f 22 = p 22 /p x2 f 2s = p 2s /p xs y m f m1 = p m1 /p x1 f m2 = p m2 /p x2 f ms = p ms /p xs y para nuestro ejemplo, se obtiene: Y \X , 4 0, 2 0, 05 0, , 2 0, 1 0 0, 3 3 0, , 05 0, 65 0, 3 0, 05 1 Y Pr {Y = y i X = 1} Pr {Y = y i X = 2} Pr {Y = y i X = 3} 1 f 11 = 0, 4/0, 65 = 0,615 f 12 = 0, 2/0, 3 = 0, 667 f 13 = 0, 05/0, 05 = 1 2 f 21 = 0, 2/0, 65 = 0,308 f 22 = 0, 1/0, 3 = 0, 333 f 23 = 0 3 f 31 = 0, 05/0, 65 = 0,077 f 32 = 0 f 33 =
11 Distribuciones Multivariantes y muestras IID Vector aleatorio: X = (X 1, X 2,, X n ) donde X 1, X 2,, X n son VA, con PDF f (x 1, x 2,, x n ) Distribuciones Marginales, condicionadas, etc X 1, X 2,, X n son independientes si para cada A 1, A 2,, A n, Pr (X 1 A 1,, X n A n ) = n Pr (X i A i ) i=1 Definición: si X 1, X 2,, X n son independientes y cada una tiene la misma distribución marginal con CDF F, entonces decimos que X 1, X 2,, X n son IID (independientes e idénticamente distribuidas) y se escribe X 1, X 2,, X n F También decimos que X 1, X 2,, X n son una muestra aleatoria de tamaño n de F 11
12 25 Ejemplos distribuciones multivariantes Multinomial(n, p), donde p = (p 1,, p k ), p p k = 1, ( ) n f (x 1,, x k ) = p x p x k k x 1 x, k con x 1 + x k = n, ( n x 1 x k ) = n! x 1! x k! Normal Multivariante X N k (µ, Σ) f (x 1,, x k ) = f (x) = (2π Σ ) k/2 exp ( 1 ) 2 (x µ) Σ 1 (x µ) con X = X 1 X 2 y media µ = y matriz de varianzas-covarianzas Σ, Σ = µ 1 µ 2 µ k X k EX 1 = EX 2 EX k V (X 1 ) C (X 1, X k ) C (X k, X 1 ) V (X k ) 12
13 26 Transformación variables aleatorias Si X es una VA con PDF f X y CDF F X, consideramos una función Y = r (X), que también es una VA (una transformación de X) Cálculo de la PDF y CDF de Y Caso Discreto: f Y (y) = Pr (Y = y) = Pr (r (X) = y) = Pr ({x; r (x) = y}) = Pr ( X r 1 (y) ) Ejemplo Caso continuo: 1 Para cada y, encontrar el conjunto A y = {x : r (x) y} 2 Encontrar la CDF: F Y (y) = Pr (Y y) = Pr (r (X) y) = Pr ({x; r (x) y}) = f X (x) dx A y 3 La PDF es f Y (y) = F (y) Ejemplo Cuando r es estrictamente monótona creciente o estrictamente monótona decreciente, entonces r tiene inversa s = r 1 y en ese caso se puede demostrar que f Y (y) = f X (s (y)) ds (y) dy Caso multivariante es similar, pero ahora, por ejemplo, A y = {(x, y) : r (x, y) y} 13
Estadística. Tema 3. Esperanzas Esperanza. Propiedades Varianza y covarianza. Correlación
Estadística Tema 3 Esperanzas 31 Esperanza Propiedades 32 Varianza y covarianza Correlación 33 Esperanza y varianza condicional Predicción Objetivos 1 Medidas características distribución de VA 2 Media
Más detallesTEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES. Variable aleatoria (Real)
TEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES Grado Ing Telemática (UC3M) Teoría de la Comunicación Variable Aleatoria / 26 Variable aleatoria (Real) Función que asigna un valor
Más detallesMomentos de Funciones de Vectores Aleatorios
Capítulo 1 Momentos de Funciones de Vectores Aleatorios 1.1 Esperanza de Funciones de Vectores Aleatorios Definición 1.1 Sea X = (X 1,..., X n ) un vector aleatorio (absolutamente continuo o discreto)
Más detallesRepaso de Estadística
Teoría de la Comunicación I.T.T. Sonido e Imagen 25 de febrero de 2008 Indice Teoría de la probabilidad 1 Teoría de la probabilidad 2 3 4 Espacio de probabilidad: (Ω, B, P) Espacio muestral (Ω) Espacio
Más detallesUnidad 3. Probabilidad. Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre / 22
Unidad 3. Probabilidad Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre 2018-1 1 / 22 Espacios de probabilidad El modelo matemático para estudiar la probabilidad se conoce como espacio de
Más detallesRepresentaciones gráficas de las distribuciones bidimensionales de frecuencias... 74
Índice 1. Introducción al R 15 1.1. Introducción............................. 15 1.2. El editor de objetos R....................... 18 1.3. Datos en R............................. 19 1.3.1. Vectores...........................
Más detallesTransformaciones y esperanza
Capítulo 3 Transformaciones y esperanza 3.1. Introducción Por lo general estamos en condiciones de modelar un fenómeno en términos de una variable aleatoria X cuya función de distribución acumulada es
Más detallesFórmulas, Resultados y Tablas Cálculo de Probabilidades y Estadística Matemática
DEPARTAMENT D ESTADÍSTICA I INVESTIGACIÓ OPERATIVA Fórmulas, Resultados y Tablas Cálculo de Probabilidades y Estadística Matemática A. Distribuciones de variables aleatorias. 1. Descripción de una distribución
Más detallesTema 6: Modelos de probabilidad.
Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos
Más detallesCálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
Más detallesVariables Aleatorias y Distribución de Probabilidades
Variables Aleatorias y Distribución de Probabilidades Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de mayo de 2011 Tabla de Contenidos Variables
Más detallesHoja 4 Variables aleatorias multidimensionales
Hoja 4 Variables aleatorias multidimensionales 1.- Estudiar si F (x, y) = 1, si x + 2y 1, 0, si x + 2y < 1, es una función de distribución en IR 2. 2.- Dada la variable aleatoria 2-dimensional (X, Y )
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 4 Vectores aleatorios Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesResumen de Probabilidad
Definiciones básicas * Probabilidad Resumen de Probabilidad Para calcular la probabilidad de un evento A: P (A) = N o decasosfavorables N o decasosposibles * Espacio muestral (Ω) Es el conjunto de TODOS
Más detallesCálculo de probabilidad. Tema 3: Variables aleatorias continuas
Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice
Más detalles4. Modelos Multivariantes
4. Curso 2011-2012 Estadística Distribución conjunta de variables aleatorias Definiciones (v. a. discretas) Distribución de probabilidad conjunta de dos variables aleatorias X, Y Función de distribución
Más detallesVariables aleatorias continuas y Teorema Central del Limite
Variables aleatorias continuas y Teorema Central del Limite FaMAF 17 de marzo, 2015 Variables aleatorias continuas Definición Una variable aleatoria X se dice (absolutamente continua) si existe f : R R
Más detallesPart I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas
Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando
Más detallesNotas de clase. Prof. Nora Arnesi
Notas de clase Este material está sujeto a correcciones, comentarios y demostraciones adicionales durante el dictado de las clases, no se recomienda su uso a aquellos alumnos que no concurran a las mismas
Más detalles5. TEOREMA FUNDAMENTAL: Repaso Variables Aleatorias. Jorge Eduardo Ortiz Triviño
5. TEOREMA FUNDAMENTAL: Repaso Variables Aleatorias Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ CONTENIDO 1. INTRODUCCIÓN 2. VARIABLES ALEATORIAS 3. TEOREMA
Más detallesVariables aleatorias continuas, TCL y Esperanza Condicional
Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función
Más detallesModelos Básicos de Distribuciones Discretas y Continuas
Modelos de Distribuciones Discretas y Continuas 1/27 Modelos Básicos de Distribuciones Discretas y Continuas Departamento de Estadística e Investigación Operativa Universidad de Sevilla Contenidos Modelos
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 detallesDistribuciones Probabilísticas. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Distribuciones Probabilísticas Curso de Estadística TAE,005 J.J. Gómez Cadenas Distribución Binomial Considerar N observaciones independientes tales que: El resultado de cada experimento es acierto o fallo
Más detallesUnidad 3. Probabilidad
Unidad 3. Probabilidad Javier Santibáñez 17 de agosto de 2018 1. Introducción Definición 1. La probabilidad es una medida subjetiva del grado de creencia que se tiene acerca de que algo desconocido sea
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Duración: horas Fecha: de Julio de Fecha publicación notas: -7- Fecha revisión examen: 8-7-
Más detallesSimulación. La mayoría de los procesos de simulación tiene la misma estructura básica:
Simulación La mayoría de los procesos de simulación tiene la misma estructura básica: 1 Indentificar una variable de interés y escribir un programa para simular dichos valores Generar una muestra independiente
Más detallesProbabilidad y Estadística
Vectores aleatorios Probabilidad y Estadística Vectores aleatorios Federico De Olivera Cerp del Sur-Semi Presencial curso 2015 Federico De Olivera (Cerp del Sur-Semi Presencial) Probabilidad y Estadística
Más detallesEstadística I Tema 5: Modelos probabiĺısticos
Estadística I Tema 5: Modelos probabiĺısticos Tema 5. Modelos probabiĺısticos Contenidos Variables aleatorias: concepto. Variables aleatorias discretas: Función de probabilidad y Función de distribución.
Más detallesMa34a Probabilidades y Procesos Estocásticos 21 de Noviembre, Resumen No. 3
Ma34a Probabilidades y Procesos Estocásticos 21 de Noviembre, 2004 Resumen No. 3 Prof. Cátedra: M. Kiwi Prof. Auxiliares: M. Soto, R. Cortez 1 Variables Aleatorias 1.1 Variables Aleatorias Absolutamente
Más detallesLista de Ejercicios (Parte 1)
ACT-11302 Cálculo Actuarial III ITAM Lista de Ejercicios (Parte 1) Prof.: Juan Carlos Martínez-Ovando 15 de agosto de 2016 P0 - Preliminar 1. Deriva las expresiones de las funciones de densidad (o masa
Más detalles2 Modelos de probabilidad discretos sobre R
UN CATÁLOGO DE MODELOS DE POBABILIDAD Julián de la Horra Departamento de Matemáticas U.A.M. Introducción En este capítulo vamos a dar un catálogo de algunos de los modelos de probabilidad más utilizados,
Más detallesPart VI. Distribuciones notables. Estadística I. Mario Francisco. Principales distribuciones unidimensionales. discretas. Principales distribuciones
Part VI notables El proceso de Bernoulli En cada observación se clasifica el elemento de la población en una de las dos posibles categorías, correspondientes a la ocurrencia o no de un suceso. Llamaremos
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 detallesENUNCIADO y SOLUCIONES. Problema 1
Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.
Más detallesEstadística II Tema 1: Distribución normal multivariante
Estadística II Tema 1: Distribución normal multivariante José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Algunas propiedades de los vectores aleatorios Sea X = (X 1,..., X
Más detallesVariables aleatorias continuas
Variables aleatorias continuas VARIABLE ALEATORIA UNIFORME Definición Se dice que una variable X tiene una distribución uniforme en el intervalo [a;b] si la fdp de X es: 1 si a x b f(x)= b-a 0 en otro
Más detallesTeoría Moderna de Decisión y Estimación, Notas Introductorias: Cálculo de probabilidades y
Profesores de TMDE Teoría Moderna de Decisión y Estimación, Notas Introductorias: Cálculo de probabilidades y estadística Monograph 9 de septiembre de 23 Springer Índice general. Variables aleatorias
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Primavera 15 FECHA: de Junio de 15 Fecha publicación notas: 11 de Junio de 15 Fecha revisión
Más detallesMaterial introductorio
Material introductorio Nombre del curso: Teoría Moderna de la Detección y Estimación Autores: Vanessa Gómez Verdejo Índice general. Variables aleatorias unidimensionales..................................
Más detallesCálculo de Probabilidades y Estadística. Segunda prueba. 1
08231. Cálculo de Probabilidades y Estadística. Segunda prueba. 1 Problema 1. Se eligen tres puntos A, B y C, al azar e independientemente, sobre una circunferencia. Determinar la distribución del valor
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más 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 detallesProbabilidad Condicional. Teorema de Bayes para probabilidades condicionales:
Probabilidad Condicional Teorema de Bayes para probabilidades condicionales: Definición: Sea S el espacio muestral de un experimento. Una función real definida sobre el espacio S es una variable aleatoria.
Más detallesUniversidad Nacional de La Plata
Universidad Nacional de La Plata Facultad de Ciencias Agrarias y Forestales CÁLCULO ESTADÍSTICO STICO Y BIOMETRÍA CONTENIDOS UNIDAD 3: Introducción al Cálculo de Probabilidades. Experimento aleatorio.
Más detallesUnidad 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 detallesProcesos estocásticos
Procesos estocásticos Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos del curso 1. Introducción. 2. Procesos a tiempo discreto:
Más detallesPráctica 11 Probabilidades
Matemáticas Especiales II Año 2014 Prof: T. S. Grigera JTP: V. Fernández AD: S. Franchino Práctica 11 Probabilidades Esta práctica abarca los siguientes temas: a) Definiciones y axiomas. Interpretación
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 detallesProbabilidad y Procesos Aleatorios
y Dr. Héctor E. Poveda P. hector.poveda@utp.ac.pa www.hpoveda7.com.pa @hpoveda7 Plan del curso Probabilidad Múltiples 1. Probabilidad Espacios probabilísticos Probabilidad condicional 2. 3. Múltiples 4.
Más detallesDónde estamos? VARIABLES ALEATORIAS
Dónde estamos? VARIABLES ALEATORIAS DESCR. CÁLC. P. INFERENCIA CONCEPTOS BÁSICOS DE V.A. V.A. DISCRETAS V.A. CONTINUAS MEDIDAS CARACTERÍSTICAS TRANSFORMACIÓN DE V.A. 98 Probabilidad 988 Variables aleatorias
Más detallesTema 6 - Introducción. Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo.
Tema 6 - Introducción 1 Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo. Generalización Tema 6. Variables aleatorias unidimensionales
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más detallesFolleto de Estadísticas. Teoría del 1er Parcial
Folleto de Estadísticas Teoría del 1er Parcial 2012 Población objetivo: Es un conjunto bien definido de elementos sobre los que se desea hacer algún tipo de investigación o medida. Unidades de investigación:
Más detallesExamen de Estadística
Examen de Estadística Grado en Ingeniería de Telecomunicación 6 de Mayo de 6 Cuestiones solución h 45m C (.5 puntos). Considera tres eventos A, B, C S tales que P (A) = P (B) =.5, P (A B) =.5, y P (C)
Más detallesCapítulo 5: Probabilidad e inferencia
Capítulo 5: Probabilidad e inferencia estadística (Fundamentos Matemáticos de la Biotecnología) Departamento de Matemáticas Universidad de Murcia Contenidos Principios de la probabilidad Conceptos básicos
Más detallesProf. 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 detallesPráctica 3 Esperanza Condicional
1. Generalidades Práctica 3 Esperanza Condicional 1. Sea (X i ) i I una familia de variables aleatorias definidas sobre un mismo espacio medible (Ω, F) y sea Y otra variable aleatoria en este espacio.
Más detallesDISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD
DISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD FUNCIÓN DE DISTRIBUCIÓN ( CONJUNTA ) DE UN VECTOR ALEATORIO FUNCIÓN DE CUANTÍA ( CONJUNTA) DE VECTORES ALETORIOS DISCRETOS FUNCIÓN DE DENSIDAD (CONJUNTA)
Más detallesModelos de distribuciones discretas y continuas
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas
Más detallesFamilias de distribuciones
Capítulo 2 Familias de distribuciones 2.1. Introducción Las distribuciones estadísticas son usadas para modelar poblaciones a través de un miembro de una familia de distribuciones. Cada familia se encuentra
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO CICLO BÁSICO DE INGENIERÍA ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO CICLO BÁSICO DE INGENIERÍA SEMESTRE ASIGNATURA 3er. PROBABILIDAD Y ESTADÍSTICA CÓDIGO HORAS
Más detallesviii 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 detalles3. Variables aleatorias
3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución
Más detallesDistribución Gaussiana Multivariable
Distribución Gaussiana Multivariable Carlos Belaustegui Goitia, Juan Augusto Maya 8 de Agosto de Resumen En este documento presentamos la deducción de la expresión de la función densidad de probabilidad
Más detallesVECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción VECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M. Desde un punto de vista formal, los vectores aleatorios son la herramienta matemática adecuada para transportar
Más detallesVectores aleatorios (distribuciones multivariantes)
Vectores aleatorios (distribuciones multivariantes) Tema 9. Distribución conjunta de un vector aleatorio. Distribuciones marginales y condicionadas Ignacio Cascos Depto. Estadística, Universidad Carlos
Más detallesTablas de Probabilidades
Tablas de Probabilidades Ernesto Barrios Zamudio José Ángel García Pérez José Matuk Villazón Departamento Académico de Estadística Instituto Tecnológico Autónomo de México Mayo 2016 Versión 1.00 1 Barrios
Más detallesSOLUCIONES AL EXAMEN DE SEPTIEMBRE DE ESTADÍSTICA EXAMEN DE MATEMÁTICAS II
SOLUCIONES AL EXAMEN DE SEPTIEMBRE DE 4. ESTADÍSTICA EXAMEN DE MATEMÁTICAS II Estadística (primer parcial). Septiembre de 4.- El coeficiente de determinación R nos determina a) el % de la varianza de Y
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesRepaso de Teoría de la Probabilidad
Repaso de Teoría de la Probabilidad Luis Mendo Tomás Escuela Politécnica Superior Universidad Autónoma de Madrid Febrero de 2008 1. Introducción Este documento contiene, de forma esquemática, los conceptos
Más detallesVariables aleatorias
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?
Más detallesSP-1600 Probabilidas y Teoría Estadística
Universidad de Costa Rica Sistema de Estudios de Posgrado Programa de Posgrado en Estadística SP-1600 Probabilidas y Teoría Estadística Plan de estudios al que pertenece el curso: Tipo de curso: Modalidad:
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 detallesINGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017
Más detallesTema 4: Variables aleatorias multidimensionales
1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 17 de abril, 2012 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesJUEGO 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 detallesProporcionar al alumno las herramientas necesarias que le faciliten la aplicación de probabilidad y estadística en la solución de problemas reales.
LICENCIATURA EN PSICOLOGIA Y NEUROCIENCIAS MATERIA ESTADISTICA I LINEA CURRICULAR FORMACION TETRAMESTRE SEGUNDO CLAVE FOR-105 SERIACION FOR-102 HFD 3 HEI 2 THS: 5 CRS 4 OBJETIVO DE LA MATERIA Proporcionar
Más detallesTema 4: Variables aleatorias multidimensionales
Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia
Más detallesUniversidad Rey Juan Carlos Facultad de CC. Jurídicas y Sociales. Licenciatura en ECONOMÍA ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA I.
Universidad Rey Juan Carlos Facultad de CC. Jurídicas y Sociales (Campus de Vicálvaro) Licenciatura en ECONOMÍA asignatura: ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA I curso y duración: Segundo Cuatrimestral
Más detallesIntroducción al Diseño de Experimentos.
Introducción al Diseño de Experimentos www.academia.utp.ac.pa/humberto-alvarez Introducción Una población o universo es una colección o totalidad de posibles individuos, especímenes, objetos o medidas
Más detallesI. Distribuciones discretas
Probabilidades y Estadística (M) Funciones de densidad o probabilidad puntual, esperanzas, varianzas y funciones características de las variables aleatorias más frecuentes I. Distribuciones discretas Distribución
Más detallesRuido en los sistemas de comunicaciones
Capítulo 2 Ruido en los sistemas de comunicaciones Cuando una señal se transmite a través de un canal de comunicaciones hay dos tipos de imperfecciones que hacen que la señal recibida sea diferente de
Más detallesExamen de Estadística
Examen de Estadística Grado en Ingeniería de Telecomunicación 4 de Junio de 03 Cuestiones solucion h 30m C. (p) Un sistema de comunicación está compuesto por los componentes A, B, C, D y E, donde cada
Más detallesTema 4: Variable Aleatoria Bidimensional
Curso 2016-2017 Contenido 1 Definición de Variable Aleatoria Bidimensional 2 Distribución y fdp Conjunta 3 Clasificación de Variables Aleatorias Bidimensionales 4 Distribuciones Condicionales 5 Funciones
Más detallesTema 3: Función de Variable Aleatoria y Teoremas Asintóticos
Tema 3: Función de Variable Aleatoria y Teoremas Asintóticos Curso 2016-2017 Contenido 1 Función de una Variable Aleatoria 2 Cálculo de la fdp 3 Generación de Números Aleatorios 4 Momentos de una Variable
Más detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesEstadística Descriptiva y Probabilidad FORMULARIO
Estadística Descriptiva y Probabilidad FORMULARIO Departament d Estadística i Investigació Operativa Universitat de València Angel Corberán Francisco Montes 2 3 Capítulo 1 Estadística Descriptiva 1.1.
Más detallesCurso Propedéutico de Cálculo Sesión 6: Aplicaciones de la Integración
por Curso Propedéutico de Cálculo Sesión 6: de la Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico Esquema por 1 por 2 Esquema por 1 por 2 por Al contrario
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 detallesC L A S E N 5 I N S E M E S T R E O T O Ñ O,
Unidad 1 a. Probabilidades y Estadística 1 C L A S E N 5 I N 3 4 0 1 S E M E S T R E O T O Ñ O, 2 0 1 2 Características de las v.a 2 Parámetros v.a. La función de densidad o la distribución de probabilidad
Más detalles