3.4: DISTRIBUCIONES DE PROBABILIDAD CONJUNTAS
|
|
- Cristóbal Casado Aguirre
- hace 7 años
- Vistas:
Transcripción
1 Cátedra: 3.4: DISTRIBUCIONES DE PROBABILIDAD CONJUNTAS Hasta ahora el estudio se ha referido a variables restringidas a espacios muestrales unidimensionales en los que se registran los resultados de un eperimento como valores que toma una sola variable aleatoria. Sin embargo, en algunas situaciones será necesario registrar los resultados de dos (o más) variables aleatorias definidas en espacios muestrales bidimensionales (o superiores) Si e son dos variables aleatorias discretas, la función f(,) es la distribución de probabilidad para sus ocurrencias simultáneas para cualquier par de valores (,) dentro del rango de definición de las variables. Así a f(,) se la llama distribución de probabilidad conjunta de e Definición de distribución de probabilidad conjunta discreta Sean e dos variables aleatorias discretas, f(,) P(, ) se llamará función distribución de probabilidad conjunta (o función masa de probabilidad de las variables e ) a la probabilidad de que ocurran los resultados e al mismo tiempo si satisface las siguientes propiedades :. f(, ) para todo valor de para todo de. f(, ) Como consecuencia, para cualquier región A en el plano, P, A f, [( ) ] ( ) Ejemplo En una caja de bolas de billar se encuentran tres azules, dos rojas tres verdes. Se definen las cantidades que se etraen e como Cantidad de bolas azules Cantidad de bolas rojas, respectivamente. Si se seleccionan al azar dos bolas, determinar: a) La función distribución de probabilidad conjunta : Cantidad de bolas azules que se etraen :,,, 3 : Cantidad de bolas rojas que se etraen :,, Ε: Se etraen al azar dos bolas de la caja. Estas propiedades son, por supuesto, análogas al caso unidimensional.
2 Cátedra: Así, los pares ordenados (,), (,), (,), (,), (,) (,) son los posibles valores que pueden tomar conjuntamente e. Necesitamos encontrar una epresión para f() que permita calcular cada una de las probabilidades para los pares ordenados. 3 3 ( ) f, 8 La cantidad de formas en que dos bolas pueden etraerse de entre 8 se 8 epresa mediante el número combinatorio ;así obtenemos la totalidad de resultados del espacio muestral, #Ω. La cantidad de formas en que bolas 3 azules pueden obtenerse de las 3 que ha en la caja es, donde sabemos que toma los valores de a 3. La cantidad de formas en que bolas rojas pueden obtenerse de las que ha en la caja es, donde sabemos que toma los valores de a. Dado que se etraen dos bolas al azar que en la 3 caja ha también bolas verdes, epresa la cantidad de formas en que se pueden etraer bolas verdes cuando en alguna de las dos etracciones (o en ambas) no salió ninguna azul o roja. Ahora podemos armar la siguiente tabla: f(,) Total 3/8 9/8 3/8 5/8 6/8 6/8 /8 /8 /8 Total /8 5/8 3/8 Puede verse que no ha valores para los pares ordenados (,), (,) (,) debido a que a lo sumo pueden sacarse dos bolas. La suma total, o gran total, es igual a uno, cumpliendo así con la propiedad (). b) Si A{(,)/<} P[(,) A] P( < ) f(,) f(,) f(,) 3/8 6/8 9/8 8/8 9/4 La representación de f(,) es una gráfica de puntos de probabilidad en el espacio de tres dimensiones, cuo dominio está en el plano como puede verse en la siguiente figura:
3 Cátedra: Definición de distribución de probabilidad conjunta discreta Sean e dos variables aleatorias continuas, se llamará f(,) función distribución de probabilidad conjunta (o función densidad de probabilidad de las variables e ) a la probabilidad de que ocurran los resultados e al mismo tiempo si satisface las siguientes propiedades : f(, ) para todo,. ( ). f(, )dd - Como consecuencia, para cualquier región A en el plano, P [(, ) A] f(, ) A dd Cuando e son variables aleatorias continuas, la función de densidad f(,) es P, A es igual al volumen del cilindro recto una superficie sobre el plano [( ) ] delimitado por la base A la superficie 3. Ejemplo Sea el tiempo, en segundos, de reacción frente a la presencia de cierto catalizador e la temperatura (en ºF) a la que la reacción comienza a suceder, su función densidad conjunta es: f(, ) 4 < < < < en cualquier otro caso a) Compruebe la propiedad () Igual que en el caso unidimensional continuo, ahora f(,) no es una probabilidad 3 Recordando que la integral doble se interpreta como el volumen del cuerpo acotado por el plano por la superficie z f(,), entonces la propiedad () es, en realidad, el volumen acotado por el plano dicha superficie es igual a unidad de volumen. 3
4 Cátedra: La siguiente figura muestra la superficie z f(,) que es 4. De acuerdo a la propiedad (), el volumen encerrado por ella el plano para << e << debe ser igual a. 4dd 4 d 4 d 4 b) Encuentre e interprete P, / / / P, 4dd 4 d 4 4 /4 < < < < 8 / /4 / / /4 d La interpretación de este resultado es: La probabilidad de que el tiempo de reacción con el catalizador esté entre la mitad del tiempo total (en segundos) la temperatura esté entre un cuarto la mitad de la temperatura total es 3/64 marginales de probabilidad Aun cuando estemos analizando simultáneamente e, es posible seguir considerando las distribuciones de probabilidad de cada una de ellas individualmente. Así, dada la distribución de probabilidad conjunta f(,), la distribución de probabilidad de considerada individualmente se obtiene al sumar f(,) sobre los valores de. Igualmente, la distribución de probabilidad de considerada individualmente se obtiene al sumar f(,) sobre los valores de (como ilustración, ver del ejemplo ). Puede observarse que las sumas así obtenidas son las probabilidades para los distintos valores de e, respectivamente. Estas probabilidades suma- 4
5 Cátedra: das dan, como corresponde a toda distribución de probabilidad de cualquier variable aleatoria; por encontrarse estos valores en los márgenes de la tabla (de distribución de probabilidades para dos variables discretas) reciben el nombre de distribuciones de probabilidad marginales. Sean e dos variables aleatorias, sus distribuciones de probabilidad marginales son: g() f(,) h() f(,) para el caso discreto g() f(,)d h() f(,)d para el caso continuo 4. Ejemplo 3 Compruebe que los totales de las columnas filas de la tabla f(,) del ejemplo son las distribuciones marginales de e. Para, de acuerdo con la definición g() P( ) f(,) f(,) f(,) f(,) g() P( ) f(,) f(,) f(,) f(,) g() P( ) f(,) f(,) f(,) f(,) estos son los valores de las filas en el margen de la tabla de f(,). Para, de acuerdo con la definición h() P( ) f(,) f(,) f(,) f(,) h() P( ) f(,) f(,) f(,) f(,) h() P( ) f(,) f(,) f(,) f(,) estos son los valores de las columnas en el margen de la tabla f(,). En forma tabular, las distribuciones marginales se presentan: g() /8 5/8 3/8 h() 5/8 /8 /8 Se observa que, siendo g() h() distribuciones de probabilidad, cumplen con g() h() Cuando las variables son continuas, las sumatorias se reemplazan por integrales. En este caso, no es posible determinar las probabilidades para los valores individuales de las variables esto conlleva no poder construir una tabla. Sin embargo, se mantiene el nombre de marginal. 5
6 Cátedra: Ejemplo 4 Encuentre las distribuciones marginales de la función densidad conjunta del ejemplo. De acuerdo con la definición g() 4d 4 h() 4d 4 d 4 d 4 < < < < Epresadas como funciones por intervalos, < <, < < g() h(), en cualquier otro caso, en cualquier otro caso Se verifica que g() h() son funciones de densidad de probabilidad. g()d d d h()d d d En general g()d f(,)dd P(a < < b) P(a < < b, < < ) b f(,)dd a b a g()d condicionales de probabilidad Recordemos que en la UT se definió a la probabilidad para eventos condicionados de la siguiente manera: P(AIB) P(A/B), P(A) > P(B) Como el valor de es un evento que representa un subconjunto de, entonces A B son ahora eventos definidos por e, respectivamente. Entonces P(, ) f(,) P( / ), h() > P( ) h() P(, ) f(,) P( / ), g() > P( ) g() donde e son variables discretas. Debe notarse que f(,)/h() es una función de con fija. Igualmente, f(,)/g() es una función de con fija. Ambas satisfacen todas las propiedades de una distribución de probabilidad. Esto también es válido para cuando f(,), g() h() son las distribuciones conjunta marginales de variables continuas. Diremos entonces que: 6
7 Cátedra: Siendo e dos variables aleatorias, discretas o continuas, la distribución condicional de probabilidad de la variable, dado que toma un valor (o un intervalo c<<d) es: f(,) f(/), h() > h() De manera análoga, la distribución condicional de probabilidad de la variable, dado que toma un valor (o un intervalo a<<b) es: f(,) f(/), g() > g() Ejemplo 5 Determine la distribución condicional de del ejemplo luego utilícela para determinar P( / ) e interprete el resultado. De acuerdo a la definición: f(,) f(,) f(/), entonces f(/) g() g() Del ejemplo 3 g() P( ) f(,) f(,) f(,) f(,) Por lo tanto, f(,) 8 f(/ ) f(,),, 5/8 5 Entonces: f( /) f(,) f( /) f(,) f( /) f(,) 5 5 la distribución condicional de dado que es f(/) 3/5 /5 Por último P( / ) f(/)/5. Este resultado se entiende como la probabilidad de etraer al azar una bola roja si a se ha etraído una azul es de /5 Ejemplo 6 Determine P(/</3/4) para el ejemplo 3 e interprete: 7
8 Cátedra: g() 4d, < < (como a se vio) 4 P(/ < 3/4) d, < <, < < / P(/ < 3/4) d ( ),75 / / 4 La probabilidad de que la temperatura de reacción supere el 5% de la temperatura total que puede alcanzar cuando el tiempo alcanza el 75% del tiempo total es de,75. Note que en este cálculo el valor 3/4 fue irrelevante la probabilidad para no dependió de. El procedimiento se redujo a integrar h() [recordemos que h() ] entre los etremos correspondientes. Este resultado está relacionado con el siguiente punto. Independencia estadística Si f(/) no depende de, entonces f(/) h(). Análogamente, si f(/) no depende de, entonces f(/) g() Sean e dos variables aleatorias, discretas o continuas, con distribución de probabilidad conjunta f(,) distribuciones marginales g() h(), respectivamente. Se dice que las variables aleatorias e son estadísticamente independientes sí sólo sí f(,) g(). h() Esto es, si la distribución de probabilidad conjunta es igual al producto de las distribuciones marginales, entonces e son estadísticamente independientes. Dado que es una doble implicación, también ocurre que si las variables e son estadísticamente independientes, entonces la distribución de probabilidad conjunta es igual al producto de las distribuciones marginales. Se demostrará solamente la implicación a izquierda, es decir, si las variables e son estadísticamente independientes, entonces la distribución de probabilidad conjunta es igual al producto de las distribuciones marginales. Hipótesis: f(,) f(/), g() > g() e son independientes. Tesis f(,) g()h() Demostración f(/)g() f(,) h() f(, )d [], por Hipótesis remplazando f(, ) por[] 8
9 Cátedra: h() f(/)g() d h() f(/) g()d dado que f(/) es independiente de porhipótesis h() f(/) Finalmente, reemplazando en [] h()g() f(,) porque g()d por ser distribución de probabilidad Análogamente Hipótesis: f(,) f(/), h() > h() e son independientes. Tesis f(,) g()h() Demostración f(/)h() f(,) g() f(,)d, g() f(/)h()d, [], por Hipótesis reemplazando f(, ) por[] g() f(/) h()d dado que f(/) es independiente de porhipótesis g() f(/) porque Finalmente, reemplazando en [] f(,) g()h() h()d por ser distribución de probabilidad Ejemplo 7 Demuestre que las variables e del ejemplo 3.4 son estadísticamente independientes. De acuerdo a la definición e son independientes f(,) g()h() Entonces, recordando que:, < <, < < g() h(), en cualquier otro caso, en cualquier otro caso Luego g()h() 4 f(,) e son independientes (Este resultado a era esperado al analizar las conclusiones del ejemplo 6). 9
10 Cátedra: Valor esperado de una distribución conjunta de probabilidad Se etiende el concepto de valor esperado de una función de una variable aleatoria al caso de dos variables e con distribución de probabilidad conjunta f(,) Sean e variables aleatorias con función distribución de probabilidad conjunta f(,). El valor esperado de una función g(,) es: g(,) [ ] g(,)f(,), sie sondiscretas, E g(,) g(,) E[ g(,) ] g(,)f(,)dd, sie soncontinuas En particular, si g(,), entonces g(,) E() f(,) g(), g(,) E() f(,)dd g()d, sie son discretas, sie soncontinuas donde g() es la distribución marginal de. Un análisis análogo puede hacerse si g(,). g(,) E() f(,) h(), g(,) E() f(,)dd h()d, donde h() es la distribución marginal de. sie son discretas, sie soncontinuas Sean e variables aleatorias con distribución de probabilidad conjunta f(,). La covarianza σ de e es: σ σ E( [ )( ) ] ( )( )f(,), sie sondiscretas, (,) (,) [ )( ) ] ( )( )f(,)dd, sie soncontinuas E( Fórmula alternativa Igual que en el caso unidimensional, es preferible en algunos casos trabajar con una epresión más cómoda. Ésta es σ E() Demostración. σ E( )( ) (,) [ ] ( )( )f(,)dd (,) (por definición)
11 Cátedra: ( f(,)dd )f(,)dd (aplicando propiedad distributiva) f(,)dd f(,)dd f(,)dd E() (por definición recordando que f(,)dd E() La covarianza es la medida de la fuerza de la asociación entre dos variables aleatorias. Analizando su signo se interpreta que: Si ρ >, la asociación es directa (a medida que crece también lo hace ) Si ρ <, la asociación es indirecta (a medida que crece, decrece) Si ρ, no eiste asociación entre las variables son estadísticamente independientes. ) Recordemos que la covarianza es un número que no está acotado puede ser positivo pero mu grande (o negativo pero mu grande, en valor absoluto), por lo que no proporciona una medida eficaz del grado de asociación entre las variables 5. Propiedades del valor esperado de dos (o más) funciones de variables aleatorias I. El valor esperado de la suma o diferencia de dos (o más) funciones de variables aleatorias e es la suma o diferencia de los valores esperados de las funciones. E g(,) ± h(,) E g(,) ± Eh(,) [ ] [ ] [ ] Demostración [g(,) ± h(,)]f(,)dd g(,) f(,)dd ± E g(,) ± h(,) [ ] Corolario. Si h(,)f(,)dd g(,) g() h(,) h() [ g(,) ± h(,) ] E[g()] E[h() ] E ± Corolario. Si g(,) h(,) [ g(,) ± h(,) ] E() E() E ± 5 El coeficiente de correlación ρ (o de Pearson) está acotado ( ρ ) por lo tanto proporciona una medida eficaz del σ grado de asociación entre las variables. Su epresión esρ σ σ
12 Cátedra: II. El valor esperado del producto de dos variables aleatorias e independientes es igual al producto de los valores esperados E() E()E() Demostración E() f(,)dd g()h() dd dado que f(,) g()h() por hipótesis de independencia. g()d h()d E()E() III. La varianza de una función de e tal como ab es σ (a b) a σ b σ abσ Demostración σ (a b) E{[(a b) (a b) ] Donde E(a b) ae() be() a (a b) b, entonces E{[(a b) ] } E{[(a a b b )] } (a b) ± E{[a( ) b( b )] } a E[( )] abe[( } )( )] b E[( )] a σ abσ b σ σ (a b) a σ σ E() E()E() Corolario. Si e son independientes, dado que b σ (por Propiedad II) Corolario. Si e son independientes, σ (± ) a σ b σ, a que b se reemplaza por b en el Corolario. Corolario 3. Si,,, n son n variables aleatorias independientes σ (a a L a ) a σ a σ a n n L nσn
Tema 5. Variables Aleatorias Conjuntas.
Tema 5. Variables Aleatorias Conjuntas. Objetivo: El alumno conocerá el concepto de variables aleatorias conjuntas podrá analizar el comportamiento probabilista, conjunta e individualmente, de las variables
Más detallesCLASES DE ESTADÍSTICA II ESPERANZA ABSOLUTA
1 CLASES DE ESTADÍSTICA II CLASE ) ESPERANZA ABSOLUTA. ESPERANZA CONDICIONAL. ESPERANZA ABSOLUTA El cálculo de valores esperados o esperanzas a nivel de dos variables aleatorias es una generalización matemática
Más detallesDistribución conjunta de variables aleatorias. Estadísca Tamara Burdisso
Distribución conjunta de variables aleatorias Distribución conjunta de probabilidad Hasta ahora estudiamos las posibles distribuciones de una única v.a. Pero muchos de las aplicaciones que enfrentamos
Más detallesV.a. continuas: integrar. Varianza. Propiedades:
V.a. continuas: integrar Varianza 98 Propiedades: σ 2 =E(X 2 )-E(X) 2 V(aX+b)=a 2 σ 2 (X) Distribuciones Truncadas 99 Ej: "La longitud de las varillas fabricadas por una máquina es una variable aleatoria
Más detallesLA FUNCIÓN VARIABLE ALEATORIA (va.)
LA FUNCIÓN VARIABLE ALEATORIA (va.) Una variable aleatoria X es una función que asocia un número real con cada elemento del espacio muestral. Ej: Se sacan fichas de manera sucesiva sin reemplazo de una
Más detalles1 Tema 4: Variable Aleatoria Bidimensional y n-dimensional
1 Tema 4: Variable Aleatoria Bidimensional y n-dimensional 4.1. Variable aleatoria bidimensional Las Variables Aleatorias Bidimensionales o N-Dimensionales surgen cuando es necesario trabajar en espacios
Más detallesEjemplos: 1) De una urna que contiene 6 bolillas blancas y 4 negras se extraen sin reposición 3 bolillas. Se definen
Probabilidades Estadística Comutación Facultad de Ciencias Eactas Naturales Universidad de Buenos Aires Ana M. Bianco Elena J. Martínez Vectores aleatorios Hasta ahora hemos estudiado modelos de robabilidad
Más detallesTEMA 3.- VECTORES ALEATORIOS.- CURSO
TEMA 3.- VECTORES ALEATORIOS.- CURSO 017-018 3.1. VARIABLES ALEATORIAS BIDIMENSIONALES. FUNCIÓN DE DISTRIBUCIÓN CONJUNTA. 3.. VARIABLES BIDIMENSIONALES DISCRETAS. 3.3. VARIABLES BIDIMENSIONALES CONTINUAS.
Más detallesUniversidad Central de Venezuela Facultad de Ciencias Escuela de Computación Probabilidad y Estadística Práctica Nº 4
Distribuciones de Variables Aleatorias Distribuidas en forma Conjunta Objetivos de la práctica: Objetivo general: Al finalizar la práctica, el estudiante deberá conocer los conceptos fundamentales de las
Más detallesVectores Aleatorios. Definición 1.1. Diremos que el par (X,Y) es un vector aleatorio si X e Y representan variables aleatorias
Universidad de Chile Facultad De Ciencias Físicas y Matemáticas MA3403 - Probabilidades y Estadística Prof. Auxiliar: Alberto Vera Azócar. albvera@ing.uchile.cl Vectores Aleatorios 1. Vectores Aleatorios
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 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 detallesVariables aleatorias conjuntas
Variables aleatorias conjuntas M. en A. Víctor D. inilla Morán Facultad de Ineniería UNAM Resumen Variables aleatorias conjuntas discretas; unción de probabilidad conjunta: su deinición propiedades. Función
Más detallesVectores Aleatorios. Vectores Aleatorios. Vectores Discretos. Vectores Aleatorios Continuos
Definición Dado un espacio muestral S, diremos que X =(X 1, X 2,, X k ) es un vector aleatorio de dimension k si cada una de sus componentes es una variable aleatoria X i : S R, para i = 1, k. Notemos
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 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 detallesELEMENTOS DE ESTADÍSTICA (0260)
ELEMENTOS DE ESTADÍSTICA (6) Tema. Variable aleatoria en una dimensión Enero 7. La unción de probabilidad de la variable aleatoria discreta N viene dada por N n p (n) = K.r, n =,,.... Calcule el valor
Más detalles6 Variables aleatorias independientes
6 Variables aleatorias independientes Edgar Acuna ESMA 4 Edgar Acuna Dos variables aleatorias son independientes si para todo a b P[
Más detallesTema 4: Variables aleatorias.
Estadística 46 Tema 4: Variables aleatorias. El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos aleatorios, que en muchos
Más detallesTEMA 8 REGRESIÓN Y CORRELACIÓN
/7 TEMA 8 REGRESIÓN Y CORRELACIÓN Dada una variable aleatoria bidimensional (, ) supongamos que las variables no sean independientes, es decir, que eista cierta relación entre ellas. Nos planteamos entonces
Más detallesTema 6: Distribuciones Multivariantes
Tema : Distribuciones Multivariantes. Distribución conjunta de un vector aleatorio. Distribución conjunta de un vector aleatorio. Distribuciones marginales condicionadas.3 Independencia entre variables
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
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 detallesUniversidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingeniería Informática TEORÍA
Universidad Nacional del Litoral Facultad de Ingeniería Ciencias Hídricas ESTADÍSTICA Ingeniería Inormática TEORÍA Mg.Ing. Susana Vanlesberg Proesor Titular UNIDAD 2 Variables Aleatorias Estadística -
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
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 detallesf = 0 = n A n + n B = n A + n B n
1. Para todo suceso A, f A es el cociente de dos números positivos tal que el numerador es menor o igual que el denominador, luego se tiene que 0 f A 1 2. Debido a que el suceso seguro, Ω, se verifica
Más detallesEjemplo: Si lanzamos un dado 7 veces y 3 de ellas nos sale par, la frecuencia
Probabilidad La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles,
Más detallesDistribución bidimensional. Marginales. Correlación lineal. Rectas de regresión.
REGRESIÓN LINEAL. Distribución bidimensional. Marginales. Correlación lineal. Rectas de regresión. Dada una población, hasta ahora hemos estudiado cómo a partir de una muestra extraída de ella podemos
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 detallesTema 4: VARIABLES ALEATORIAS BIDIMENSIONALES
Tema 4: VAIABLES ALEATOIAS BIDIMENSIONALES 1 Concepto de variable aleatoria bidimensional Sea Ω el espacio muestral de un experimento aleatorio. Definimos variable aleatoria bidimensional, como una aplicación
Más detallesAPUNTES SOBRE INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES
APUNTES SOBRE INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES Probabilidad es el experimento libre de determinación P = X * 100 n Reyes Donis, José Luis INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES Probabilidad
Más detallesTema 4: VARIABLE ALEATORIA N-DIMENSIONAL
Tema 4: VARIABLE ALEATORIA N-DIMENSIONAL Carlos Alberola López Lab. Procesado de Imagen, ETSI Telecomunicación Despacho D04 caralb@tel.uva.es, jcasasec@tel.uva.es, http://www.lpi.tel.uva.es/sar Concepto
Más detallesEXAMEN DE ESTADÍSTICA
EXAMEN DE ESTADÍSTICA SEGUNDA CONVOCATORIA ORDINARIA. 2001-2002 2 o curso de Ingeniería Técnica de Informática de Sistemas. Departamento de Estadística e Investigación Operativa 1. En el problema de la
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 detallesTema 3: VARIABLE ALEATORIA BIDIMENSIONAL
Tema 3: VARIABLE ALEATORIA BIDIMENSIONAL Carlos Alberola López Lab. Procesado de Imagen, ETSI Telecomunicación Despacho 2D014 caralb@tel.uva.es, jcasasec@tel.uva.es, http://www.lpi.tel.uva.es/sar Concepto
Más detallesEjemplos: 1) De una urna que contiene 6 bolillas blancas y 4 negras se extraen sin reposición 3 bolillas. Se definen
Probabilidades Estadística Comutación Facultad de Ciencias Eactas Naturales. Universidad de Buenos Aires Ana M. Bianco Elena J. Martínez Vectores aleatorios Hasta ahora hemos estudiado modelos de robabilidad
Más detallesDistribuciones multivariadas
Distribuciones multivariadas Si X 1,X 2,...,X p son variables aleatorias discretas, definiremos la función de probabilidad conjunta de X como p(x) =p(x 1,x 2,...,x k )=P (X 1 = x 1,X 2 = x 2,...,X p =
Más detalles4. CONCEPTOS BASICOS DE PROBABILIDAD
4. CONCEPTOS BASICOS DE PROBABILIDAD 4.1 Introducción La probabilidad y la estadística son, sin duda, las ramas de las Matemáticas que están en mayor auge en este siglo, y tienen una tremenda aplicabilidad
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 detallesEstadística aplicada al Periodismo
Estadística aplicada al Periodismo Temario de la asignatura Introducción. Análisis de datos univariantes. Análisis de datos bivariantes. Series temporales y números índice. Probabilidad y Modelos probabilísticos.
Más detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesNIVELACIÓN DE ESTADISTICA. Carlos Darío Restrepo
NIVELACIÓN DE ESTADISTICA Qué es la probabilidad? La probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se realiza un experimento. Por ejemplo: tiramos un dado al aire y
Más detallesDistribución conjunta de variables aleatorias
Distribución conjunta de variables aleatorias En muchos problemas prácticos, en el mismo experimento aleatorio, interesa estudiar no sólo una variable aleatoria sino dos o más. Por ejemplo: Ejemplo 1:
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 2 Nombre: Probabilidad Contextualización En la sesión anterior analizamos cómo a largo plazo un fenómeno aleatorio o probabilístico posee un
Más detallesConcepto de VA bidimensional. Tema 3: VARIABLE ALEATORIA BIDIMENSIONAL. Concepto de VA bidimensional. Concepto de VA bidimensional
Concepto de VA bidimensional Tema 3: VARIABLE ALEATORIA BIDIMENSIONAL Carlos Alberola López Lab. rocesado de Imagen, ETSI Telecomunicación Despacho D04 caralb@tel.uva.es, jcasasec@tel.uva.es, http://www.lpi.tel.uva.es/sar
Más detallesTema 2: Análisis de datos bivariantes
Tema 2: Análisis de datos bivariantes Los contenidos a desarrollar en este tema son los siguientes: 1. Tablas de doble entrada. 2. Diagramas de dispersión. 3. Covarianza y Correlación. 4. Regresión lineal.
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesEJERCICIOS RESUELTOS VARIABLE ALEATORIA BIDIMENSIONAL
Gestión Aeronáutica: Estadística Teórica Facultad Ciencias Económicas Empresariales Departamento de Economía Aplicada Profesor: Santiago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA BIDIMENSIONAL
Más detallesejerciciosyexamenes.com
ejerciciosyeamenes.com Eamen de derivadas 1. Razona la verdad o falsedad de las siguientes afirmaciones: a) f() toma todos los valores entre f(a) y f(b), es continua? b) Si f'() > 0 y g'() > 0 en [a,b]
Más detallesProbabilidad Condicional
Probabilidad Condicional Ejemplo: Se tiene que dos bolas son seleccionadas aleatoriamente (sin reemplazo) de un caja que contiene r bolas rojas y b bolas azules. Cuál es la probabilidad de que la primera
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 detallesLas desigualdades absolutas son aquellas que se cumplen sea cual sea el valor real que se sustituye. Por ejemplo:
MATEMÁTICAS BÁSICAS INECUACIONES INTERVALOS DE NÚMEROS REALES Una desigualdad es la epresión de dos cantidades tales que una es mayor que otra. Las desigualdades en general se clasifican en absolutas y
Más detallesD I S T R I B U C I O N E S B I D I M E N S I O N A L E S
D I S T R I B U C I O N E S B I D I M E N S I O N A L E S 1. VARIABLES ESTADÍSTICAS BIDIMENSIONALES En numerosas ocasiones interesa estudiar simultáneamente dos (o más) caracteres de una población. En
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 detallesESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS AÑO: 207 PERIODO: II Estadística Bauz, S. Cárdenas, N. Cevallos, L. Mendoza, MATERIA: PROFESORES: Descriptiva M. Pambabay,
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 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 detallesMOOC UJI: La Probabilidad en las PAU
4. Probabilidad Condicionada: Teoremas de la Probabilidad Total y de Bayes 4.1. Probabilidad Condicionada Vamos a estudiar como cambia la probabilidad de un suceso A cuando sabemos que ha ocurrido otro
Más detallesVariables estadísticas bidimensionales
Variables estadísticas bidimensionales BEITO J GOZÁLEZ RODRÍGUEZ (bjglez@ulles) DOMIGO HERÁDEZ ABREU (dhabreu@ulles) MATEO M JIMÉEZ PAIZ (mjimenez@ulles) M ISABEL MARRERO RODRÍGUEZ (imarrero@ulles) ALEJADRO
Más detallesTeoría elemental de la probabilidad
La es el medio por el cual a partir de la información muestral tomamos decisiones o hacemos afirmaciones que se refieren a toda una población, mediante el proceso llamado inferencia estadística La nos
Más detallesVariables Aleatorias y Distribuciones de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Variables Aleatorias Distribuciones de Probabilidad UCR ECCI CI-5 Probabilidad Estadística Pro. M.Sc. Krscia Daviana Ramírez Benavides Variable Aleatoria Una variable aleatoria es una unción que asocia
Más detallesExperimento de lanzar 3 monedas al aire. Denominando por (C) a Cara y (X) a Cruz, el espacio muestral será: Ω={CCC,CCX,CXC,XCC,CXX,XCX,XXC,XXX}
1 Tema 3 : Variable Aleatoria Unidimensional 3.1. Concepto de variable aleatoria Se llama variable aleatoria (v.a.) a toda aplicación que asocia a cada elemento del espacio muestral (Ω) de un experimento,
Más detallesDistribuciones Bidimensionales.
Distribuciones Bidimensionales. 1.- Variables Estadísticas Bidimensionales. Las variables estadísticas bidimensionales se representan por el par (X, Y) donde, X es una variable unidimensional, e Y es otra
Más detallesGUÍA DE EJERCICIOS. Áreas Matemáticas Análisis Estadístico
GUÍA DE EJERCICIOS Áreas Matemáticas Análisis Estadístico Resultados de aprendizaje Determinar e interpretar medidas de correlación en datos a granel. Contenidos 1. Estadística descriptiva bidimensional.
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 detallesESTADISTICA GENERAL. PROBABILIDADES Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL PROBABILIDADES Profesor: Celso Celso Gonzales OBJETIVOS Desarrollar la comprensión de los conceptos básicos de probabilidad. Definir que es probabilidad Definir los enfoques clasico,
Más detallesrxy = Halle la ecuación de la recta de mejor ajuste Indique el tipo de correlación (positiva, negativa, cero, no lineal)
PONTIFICIA UNIVERSIDAD CATOLICA DE PUERTO RICO DEPARTAMENTO DE FISICA-MATEMATICAS Nombre: Sección: Mat.298 REPASO 2 Núm. I. Un psicólogo experimental afirma que, mientras más edad tenga un niño, disminuye
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
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 detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesVariables aleatorias bidimensionales discretas
Universidad de San Carlos de Guatemala Facultad de Ingeniería Área de Estadística VARIABLES ALEATORIAS BIDIMENSIONALES Concepto: Sean X e Y variables aleatorias. Una variable aleatoria bidimensional (X,
Más detallesCOLEGIO LOS ARCOS Guía de trabajo #4 Segmentos proporcionales 9no grado
GUIA DE TRABAJO Materia: Matemáticas. Tema: Geometría 4 - Segmentos proporcionales. Fecha: Profesor: Fernando Viso Nombre del alumno: Sección del alumno: CONDICIONES: Trabajo individual. Sin libros, ni
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 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 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 detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD VARIABLE ALEATORIA Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida. Por ejemplo, suponga que se tira
Más 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 detallesMaterial introductorio
Material introductorio Nombre del curso: Teoría Moderna de la Detección y Estimación Autores: Vanessa Gómez Verdejo Índice general. Variables aleatorias unidimensionales..................................
Más detallesObjetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto
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 detallesFUNCIONES REALES DE VARIABLE REAL.
-CONTENIDOS: FUNCIONES REALES DE VARIABLE REAL. 1.1 Definición y terminología. 1. Funciones conocidas. 1. Operaciones con funciones. 1.4 Funciones recíprocas. 1.5 Funciones monótonas y funciones acotadas.
Más detallesEstadística Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 2011 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1 1. Las Definiciones de Probabilidad 2. Variables Aleatorias 3. Función de Densidad
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 detalles1 3 a) g(x) es una función de densidad. b) g(x) no es una función densidad, puesto que no es continua. c) g(x) es una función de distribución.
VARIABLES ALEATORIAS 1 Sea F() la función de distribución de una variable aleatoria, entonces: a) F() es una función continua b) F ()=f() es continua c) F() es continua por la derecha La función de distribución
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 detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
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 detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesLa idea de probabilidad comienza con la observación: las frecuencias relativas de los resultados de los experimentos aleatorios se estabilizan.
6.1 Ideas básicas de probabilidad 47 Experimento aleatorio (ε) Diremos que un experimento es aleatorio, cuando el resultado de una realización del experimento es incierto pero las frecuencias relativas
Más detallesCuaderno de actividades 1º
Cuaderno de actividades 1º 1 ITRODUCCIÓ: Variables estadísticas bidimensionales En numerosas ocasiones interesa estudiar simultáneamente dos (o más) caracteres de una población En el caso de dos (o más)
Más detallesPROBABILIDAD Y ESTADÍSTICA
Universidad de la República Facultad de Ingeniería PROBABILIDAD Y ESTADÍSTICA Curso 2018 - Primer Semestre Práctico 2: Definición axiomática y probabilidad condicional. SOLUCIÓN Ejercicio 1 Un dado cargado
Más detalles