Tema 2 Variables Aleatorias
|
|
- José María Cárdenas Valverde
- hace 6 años
- Vistas:
Transcripción
1 Tema 2 Variables Aleatorias Introducción El análisis estructural consiste en determinar la forma en que se comporta una estructura hecha de un material específico ante un sistema de cargas dado, el estudio considera que el comportamiento de la estructura es satisfactorio si cumple con una serie de requisitos estipulados por las normativas de cada país que garantizan la seguridad de la estructura. Estas normativas buscan evitar la posibilidad de falla producto de la combinación de factores que inciden en el diseño o construcción de la obra o en ambos. Los estudios de Confiabilidad Estructural consisten en determinar si una estructura puede estar en condiciones satisfactorias (debajo de un estado límite definido) o por el contrario en condiciones no satisfactorias o de falla (encima de un estado límite definido). Para lograr el objetivo planteado la confiabilidad estructural mide la seguridad de una estructura, determina el grado de seguridad necesario y proporciona herramientas para establecer el óptimo nivel de seguridad para una estructura. La condición de la estructura encuentra en la teoría de las probabilidades la mejor forma de expresar la posición con respecto al estado límite, dada la naturaleza variable de las cargas y propiedades de los materiales usados, los términos de las probabilidades indican la condicione satisfactoria o no de una estructura. El enfoque probabilístico es empleado en el diseño de estructuras de concreto armado y acero 1, porque considera las variables que intervienen en el diseño como aleatorias ya que existe incertidumbre al estimar la máxima carga que se va a aplicar, la resistencia de los materiales, factores constructivos que la afectan, errores del método de análisis, dificultad de predecir fenómenos naturales, etc Las incertidumbres planteadas se clasifican en dos tipos según su origen: Causa natural: donde se incluyen las magnitudes de todos los tipos de carga y las propiedades de los materiales de construcción. Causa humana: donde se incluyen los errores de cálculo, falta de conocimientos sobre alguna falla no estudiada lo suficiente y errores constructivos. Debido a las consideraciones de incertidumbre en los parámetros del análisis estructural, las variables se tratan como aleatorias y se hace imprescindible para iniciar el estudio de confiabilidad estructural realizar una revisión de los principios de la estadística y probabilidad pertinentes. (Nowak y Collins, 2000). 1 Diseño denominado diseño por Estados Limites o diseño por factores de carga y resistencia (LRFD según las siglas en ingles).
2 Definiciones básicas de estadística y probabilidad Todos los fenómenos de la naturaleza presentan dispersión en los resultados y la teoría de las probabilidades es la rama de las matemáticas que contempla esta tendencia porque trata la incertidumbre en los resultados considerando las variables como aleatorias, así los modelos son probabilísticos porque consideran el error que existe al realizar la estimación de un parámetro con un valor numérico de esta posibilidad o probabilidad. Como resultado de la teoría nunca podrá predecirse completamente el comportamiento de un modelo, más bien se considera la posibilidad de ocurrir. De esta forma se indica en esta sección el concepto de probabilidad y las reglas básicas para el cálculo de las probabilidades. (Benjamin y Cornell, 1981; Chou, 1972). Espacio muestral y suceso Se denomina espacio muestral (Ω) al conjunto de todos los posibles resultados de un experimento, mientras que un suceso (E) en un subconjunto del espacio muestral. Por ejemplo al realizar ensayos en n cilindros de concreto (x 1, x 2, x 3,,x n ), el espacio muestral es {Ω}={ x 1, x 2, x 3,,x n } y un suceso 2 o evento E 1 de este espacio muestral sería el conjunto de valores de rotura por debajo de 100 kgf/cm 2, E 2 el conjunto de valores de rotura del cilindro entre 100 y 150 kgf/cm 2 y así sucesivamente hasta cubrir los n resultados de los ensayos. Axiomas de probabilidad La probabilidad de que un suceso ocurra debe satisfacer las siguientes tres condiciones. Axioma I La probabilidad de un suceso es un número mayor o igual a cero pero menor o igual a la unidad. Axioma II 0 1 (1) La probabilidad de un suceso seguro o probabilidad del espacio muestral es la unidad. Ω 1 (2) 2 Por lo general se expresa como un rango.
3 Axioma III La probabilidad de un suceso que sea la unión de de dos sucesos mutuamente excluyentes, es la suma de las probabilidades de los dos sucesos. (3) Los sucesos mutuamente excluyentes se refieren cuando la ocurrencia de un suceso excluye la circunstancia de que los demás ocurran, por ejemplo un espacio muestral conformado por M sucesos n 1, n 2, n 3, n M.. 1 (4) Variables aleatorias Se llama variable aleatoria a una magnitud cuyo valor no puede predecirse con certeza antes de que ocurra, por lo tanto su comportamiento se caracteriza mediante las leyes de probabilidades; para describirla se emplea una función o distribución de probabilidades que define los sucesos 3. Se denota con una letra mayúscula, por ejemplo la variable aleatoria X y la función X(E) indica la magnitud de ocurrir del suceso E de la variable X. Un clásico ejemplo de variable aleatoria es el resultado de los ensayos en cilindros de concreto provenientes de una construcción, ya que para las mismas condiciones de producción, los resultados son diferentes y al analizar la dispersión en los ensayos se encuentra que siguen un patrón indicado por las leyes de probabilidades, por lo que se puede caracterizar por una función de probabilidades. Las variables aleatorias se dividen en dos tipos: discretas y continuas, las cuales se representan por una función discreta masa de probabilidades (FMP) que se denota por p X (x) o por una función de densidad de probabilidades (FDP) 4 que se denota como f X (x) y función de distribución acumulada (FDA) 5 que se denota como F X (x). (Benjamin y Cornell, 1981; Miller, Freund y Johnson, 1992; Kennedy y Neville, 1982). Función discreta masa de probabilidades (FMP) Cuando los valores que puede tomar una variable aleatoria están restringidos a números enteros, la variable se llama discreta y se presenta en la forma de una función masa de probabilidades (FMP) y se define como p X (x)= probabilidad de que una variable aleatoria discreta X sea igual a un valor especifico x entero. 3 Las distribuciones se emplean de forma similar a las funciones matemáticas como x 2, log(x), etc. 4 FP se aplica a las variables aleatorias discretas y FDP para el caso de variables aleatorias continuas. La FP proporciona la probabilidad de ser igual a un valor dado de la variable aleatoria mientras que FDP proporciona la frecuencia estandarizada (f/n) para un valor dado de la variable aleatoria. 5 Función que proporciona la probabilidad por debajo o igual a un valor dado de la variable aleatoria o probabilidad acumulada.
4 La FMP se representa por lo general con un diagrama de barras (véase Figura 1), donde la altura es proporcional a la probabilidad de que la variable tome ese valor. Por ejemplo en la Tabla 1 se indica el número de vehículos que transitan en un puente simultáneamente, siendo p X (x) la probabilidad de encontrar la cantidad de número de vehículos en el puente, la Figura 1 representa en diagrama de barras la FMP de las p X señaladas en la Tabla 1. Tabla 1. Ejemplo de valores de una Función discreta masa de probabilidades. x p X (x) F X (x) 1 0,17 0,17 2 0,25 0,42 3 0,17 0,59 4 0,17 0,76 5 0,12 0,88 6 0,12 1, FMP FDA Figura 1. Variable aleatoria discreta representada por la función de densidad y la función de distribución acumulada. Función de densidad de probabilidades (FDP) Cuando los valores que puede tomar una variable aleatoria no quedan restringidos a números enteros, puede tomar cualquier valor del eje de los números reales, esta variable se denomina continua y es representada en la forma de una función de densidad de probabilidades (FDP). La FDP se distingue por una línea continua como se indica en la Figura 2. Cabe destacar que esta distribución se adapta a la mayoría de los problemas relacionados con la confiabilidad estructural.
5 Función de distribución acumulada (FDA) Una forma equivalente de representar las distribuciones de probabilidades, es mediante una función de distribución acumulada (FDA), la forma es validas tanto para variables aleatorias discretas como continuas. Se define como la suma (variables aleatorias discretas) o integral (variables aleatorias continuas) de todas las probabilidades menores o iguales a x y la Ecuación 4 simboliza la definición. Gráficamente se representa por una línea ascendente tal como se indica en las Figuras 1 y 2. (5) FDP FDA Figura 2. Variable aleatoria continua representada por la función de densidad y la función de distribución acumulada. Figura 3. Representación gráfica de las propiedades de FDA
6 Propiedades de las funciones de probabilidades (FDA, FDP, FMP) 1. La definición de FDA es aplicable para variables aleatorias discretas como continuas. 2. La FDA es una función positiva, ascendente cuyos valores oscilan entre 0 y Si x 1 <x 2, entonces F X (x 1 )<F X (x 2 ). 4. F X (- )=0 y F X ( )=1. 5. Para FDP la probabilidad entre dos valores se determina según la Ecuación 5 y el significado grafico se indica en la zona sombreada de la Figura 4. (Benjamin y Cornell, 1981; Nowak y Collins, 2000). (6) Reducción de datos Figura 4. Representación gráfica de la Ecuación 5. Una manera útil de representar los datos es mediante histogramas de frecuencias, el cual es un gráfico donde se representa la distribución de frecuencia de cada clase con una barra. El gráfico da una visión de la amplitud de los datos, la mayor frecuencia, la dispersión alrededor de los valores centrales. Otra representación gráfica de los datos es la distribución de frecuencias acumuladas, la cual se obtiene al sumar las frecuencias hasta la clase considerada, estos puntos se unen por lo general con una línea recta. (Benjamin y Cornell, 1981; Kennedy y Neville, 1982). El procedimiento para realizar la distribución de frecuencias consiste en: 1. Decidir cuantas clases se van a utilizar para agrupar los datos (por lo general debe ser mayor de 5 y menor de 15), estos depende de la diferencia entre el máximo y mínimo del grupo de valores el cual se denomina rango (d). Un valor práctico es el sugerido en la Ecuación 1 por Sturges, donde, 13,3log (7)
7 k n número de intervalos, número de datos. 2. elegir los límites de cada clase, 3. determinar el número de datos que pertenecen a cada clase (frecuencia). Parámetros de las variables aleatorias Los parámetros son medidas que caracterizan una variable aleatoria y representan el conjunto de datos del espacio muestral de los valores que puede tener la variable. Media de X La media es la principal medida de tendencia central del espacio muestral. Es similar al concepto de centro de gravedad de un área, se distingue por μ X para la media poblacional mientras que indica la media de la muestra. La media se define como la suma de todos los datos dividida entre el total de los datos, se expresa de las siguientes formas: donde, media aritmética de la muestra, μ X media aritmética de la población, x i valor del dato, n número de datos. (8) (9) Esperanza de X El valor esperado se denota por E(X) y es igual a la media de la variable (μ X ), de tal forma que los dos nombres se emplean para designar al mismo valor. (10) Varianza de X El empleo de un solo valor para representar un conjunto de datos es insuficiente, ya que el espacio muestral presentan diferencias con respecto al valor central. Es por ello que se debe medir la dispersión de los datos con respecto al valor central para así obtener una descripción más precisa del conjunto de datos. Cabe destacar que las medidas de dispersión son el parámetro más importantes de un conjunto de datos, porque representa la variabilidad de los datos
8 La varianza es la medida de dispersión más representativa y se define como el promedio de las diferencia de los valores con respecto a la media elevados al cuadrado. Se distingue por para la varianza poblacional mientras que s 2 indica la varianza de la muestra. donde, s 2 varianza del conjunto de datos, varianza de la población. (11) (12) Desviación estándar de X La medida más importante de dispersión es la desviación estándar porque en contraste con la varianza que eleva la diferencia al cuadrado para evitar los valores negativos de la diferencia, hace que el valor no se pueda relacionar con la media debido al cuadrado de las unidades que tiene la variable. La desviación estándar se define como la raíz cuadrada de la varianza. (13) (14) donde, s desviación estándar de la muestra, σ X desviación estándar de la población. Factor de sesgo de X El factor de sesgo es una medida que relaciona el valor nominal o valor del diseño empleado en el análisis estructural con la media de dicha variable que se considera como aleatoria. Este factor relaciona los valores del diseño con la incertidumbre que se considera tiene el parámetro de cálculo. donde, λ X Factor de sesgo de X, x Valor nominal de la variable aleatoria X. (15)
9 Coeficiente de variación de X El coeficiente de variación es una medida adimensional y compara la media con la desviación estándar, representa la dispersión de los datos de forma porcentual 6. donde, V Coeficiente de variación. (16) Forma estándar Para una variable aleatoria X. La forma estándar denotada por Z, está definida por (17) Esta forma tiene la propiedad que μ Z =0 y =1. (Chou, 1972; Benjamin y Cornell, 1981; Nowak y Collins, 2000). Ejemplo 1 Los siguientes valores son el resultado del ensayo de cilindros de concreto 273,7 306,7 280,8 317,6 290,3 313,9 294,2 305,5 306,9 264,6 290,1 270,2 Número de ensayos 12 Número de clases 4,6 1+3,3*LOG(n) Max 317,61 Min 264,61 Intervalo de clase 10,8 (Max-Min)/Numero de clases Clase f fa 264,60 275, ,41 286, ,21 297, ,01 307, ,81 318, fc 292,9 Media suma(datos)/número de Ensayos s 2 fc 313,2 Varianza (suma(datos-media)) 2 /Número de Ensayos s fc 17,7 Desviación estándar Raiz (Varianza) λ fc 1,4 Factor de Sesgo Media/nominal V fc 6,0% Coeficiente de Variación Media/Desviación 6 El porcentaje es la forma más común de expresar el coeficiente de variación.
10 f fa Figura 5. Histograma de Frecuencia del ejemplo 1 Fc Distribuciones usadas en Confiabilidad Estructural Cualquier variable aleatoria se define bien sea por FMP o por FDP según sea el tipo, esta deberían ajustarse a las siguientes distribuciones que son las más empleadas en los análisis de confiabilidad: Uniforme, normal, lognormal, gamma, extrema tipo I, extrema tipo II, extrema tipo III y poisson. Brevemente se describirá cada una de ellas. Uniforme Esta distribución se aplica para los casos donde todos los valores tienen la misma probabilidad de ocurrir dentro de un intervalo [a, b]. Es una función con muchas aplicaciones en los problemas de confiabilidad. f(x) f(x) F(x) F(x) a b Figura 6. FDP y FDA de distribución uniforme
11 0 0 0 ; (18) (19) (20) Normal La distribución normal es probablemente la distribución más importante en la confiabilidad estructural, es una función donde los valores cercanos a la media tienen mayor probabilidad de ocurrir, mientras los que están alejado tiene poca probabilidad de ocurrir. (21) donde, µ x media de X, σ x desviación estándar de X, fx(x) FX(x) Figura 7. FDP y FDA de distribución normal La ecuación 19 no tiene integral definida por lo que para obtener la FDA, se emplean tablas de forma estándar con μ Z = 0 y = 1. = (22) donde, Ζ variable normal estándar, φ función de densidad de probabilidad normal, = ; (23) Φ= (24)
12 Φ función acumulada de probabilidad normal. (Nowak y Collins, 2000) Log Normal Una variable aleatoria X, es log normal si la variable Y=ln(X) posee las características de una distribución normal, esta distribución está definida solo para valores positivos (x0). Las expresiones de f(x), F(x), μ X y σ X son: = ; =Φ (25) (26) Si V x 0,20 ln 1 ; ln - (27.a) Si V x 0,20 ; ln (27.b) f(x) f(x ) F(x) Figura 8. FDP y FDA de distribución log normal f(x) k=1 k=2 k= Figura 9. FDP y FDA de distribución gamma
13 Gamma La distribución Gamma es útil para modelar la carga viva sostenida, las expresiones de f(x), F(x), μ X y σ X son: Extrema tipo I! para x0 ;, (28) ; = (29) La distribución Extrema Tipo I es útil para modelar la naturaleza probabilística de los valores extremos de fenómenos relacionados con el tiempo, por ejemplo durante un año existirá un máximo valor de un fenómeno dado (velocidad del viento), las expresiones de f(x), F(x), μ X y σ X son: = (30) = ; (31), (32) Figura 10. FDP y FDA de distribución extrema tipo I Extrema tipo II La distribución Extrema Tipo II es útil para modelar la máxima carga sísmica, las expresiones de f(x), F(x), μ X y σ X son: ; = (33) Γ1 k>1; (34)
14 Γ 1 Γ 1 k>2 Γ1 2 Γ (35) Figura 11. FDP y FDA de distribución extrema tipo II β=1 β=0,5 β= Figura 12. FDP y FDA de distribución tipo III Extrema tipo III (Weibull) Esta distribución está definida por tres parámetros, y está definida por dos funciones diferentes según los valores. para x w (36)
15 Poisson Γ 1 ; Γ 1 Γ 1 (37) para x ε Γ1 ; Γ 1 Γ 1 La distribución de Poisson es una función de probabilidades discreta que puede ser usada para calcular por las FMP. Se puede emplear para definir el número de terremotos que ocurren en un intervalo de tiempo. Existen dos suposiciones importantes para emplear esta distribución: la ocurrencia de los sucesos es independiente una de otra y dos o más sucesos no pueden ocurrir simultáneamente. (38) (39) para n=0,1,2,, (40)! ; (41) Ejemplo Distribución Normal Carga que debe ser resistida por una fundación m X 140 s X 14,1 Carga de diseño con 95% de confianza x 0,95 F X 163, Distribución Lognormal Número de ciclos para la ruptura de viga de acero m Y s Y V Y 50,0% µ lny 12,86 σ lny 0,472 X 0, , , , , f X 0,00 0,02 0,28 0,33 0, F X 0,00 0,02 0,30 0,63 0, X , , , ,00 f X 0,02 0,01 0,00 0,00 F X 0,98 0,99 1,00 1,00
16 f Y Y F Y Figura 13. Representación gráfica del fy, FY vs número de ciclos 2.3 Distribución Gamma Datos del Flujo anual de un río k 1,727 λ 0,00672 m X 256,99 s X 195,56 Determinar la probabilidad del flujo máximo menor de 400 x 400 F X 0, Distribución Extrema Tipo I Caudal máximo anual de un río m X 100 s X 50 α 0,0256 u 77,50 Probabilidad que el caudal exceda a 200 x 200 F X 0, Distribución Extrema Tipo II Velocidad máxima anual del viento m X 55 s X 12,8 V X 0,233 k 5,500 Mediante Grafico u 48,060 x 80 F X 0,94 Exceder la velocidad x 0,06
17 x 30,00 35,00 40,00 45,00 50,00 55,00 60,00 65,00 70,00 f X 3,88E-06 2,95E-03 2,43E-02 4,18E-02 3,96E-02 2,96E-02 2,01E-02 1,33E-02 8,75E-03 F X 0,00 0,00 0,06 0,24 0,45 0,62 0,74 0,83 0,88 x 75,00 80,00 f X 5,82E-03 3,92E-03 F X 0,92 0,94 f X 4.5E E E E E E E E E E F X V Figura 14. Representación gráfica de fx, FX vs. Velocidad máxima anual Papel Normal de probabilidad El papel normal de probabilidad esta hecho de tal forma que una distribución normal generaría una línea recta al dibujarse en el papel x i vs p i. Este efecto es fácil de conseguir al transformar y graficar en una escala lineal los valores de x i vs z i obtenido según la Ecuación 43. El procedimiento para graficar en el papel de probabilidad normal es el siguiente: 1. Arreglar los datos x i de forma creciente. El menor valor será x 1, el siguiente será x 2 y así sucesivamente hasta llegar al x n, 2. asociar cada valor de x i con el correspondiente p i acumulado según, (42) 3. graficar los valores de (x i, p i ) en el papel de probabilidad normal. Si el gráfico siguen aproximadamente una línea recta se concluye que los datos pueden modelarse con una distribución Normal, se dibuja la línea que mejor ajusta el conjunto de datos, la pendiente de la recta debe ser igual a y el valor de x para
18 p=0,5 es igual a 7. En caso que los datos no sigan una línea recta indica que la distribución Normal no es apropiada para el conjunto de datos. 4. En caso de no emplear el papel de probabilidad normal, se dibuja el par (x i, z i ) en la escala lineal, donde z i es obtenido por la Ecuación 43. Φ p (43) donde, Φ -1 Inversa de la Función Normal acumulada. Ejemplo 3 Dibujar en papel normal los siguientes 9 valores 6,5 5,3 5,5 5,9 6,5 6,8 7,2 5,9 6,4 Línea de mejor ajuste gráfico lineal Línea de mejor ajuste papel probabilidad i x i p i z i x i z i x i p i 1 5,3 0,1-1,282 5,3-1,49 5,3 0,07 2 5,5 0,2-0, ,9 0,3-0, ,9 0,4-0,253 5,9-0,52 6,22 0,50 5 6,4 0,5 0,000 6,4 0,29 6 6,5 0,6 0, ,5 0,7 0, ,8 0,8 0, ,2 0,9 1,282 7,2 1,58 7,2 0,94 x 6,22 s 0,62 Probabilidad Condicional Un valor importante es describir como dos suceso aleatorios están relacionados, esta define la probabilidad condicional de que un suceso ocurra dado el hecho que otro ha o no ocurrido. Dos sucesos E 1 y E 2, la probabilidad condicional de E 1 ocurriendo si E 2 ha pasado se define como donde, Probabilidad de ocurrir el suceso E 1 dado que E 2 ha ocurrido, Probabilidad de la intersección del evento E 1 y E 2, Probabilidad del suceso E 2. (44) 7 Como método alternativo para dibujar la línea de mejor ajuste es emplear el valor de y s para determinar la pendiente de la recta.
19 Figura 15. Comparación de papel lineal y papel de probabilidad normal del ejemplo 3 Ejemplo 4 Diseño de un sistemas de servicios para un parque industrial. Parque contiene 6 fábricas construidas. Las fábricas no se ha arrendado todavía y no se sabe como se va a ocupar las fábricas, para diseñar el suministro de electricidad y agua un inquilino necesita 5 o 10 unidades de potencia eléctrica mientras que de agua 1 o 2 unidades de capacidad de agua. Figura 16. Esquemas de las parcelas Suceso p S Suceso p S Suceso p S Suceso p S E5A1 0,1 E10A1 0,1 E5A2 0,2 E10A2 0,6
20 Espacio muestral E5A1 E5A2 E10A1 E10A2 Agua 2 E5A2 E10A2 1 E5A1 E10A1 Energia Electrica 5 10 Figura 17. Esquema del espacio muestral Aplicación del Axioma III Probabilidad A2 0,8 Probabilidad E10 0,7 Probabilidad de A2 dado que E10 Probabilidad E10A2 0,86 Vectores aleatorios Un vector aleatorio es un conjunto de variables aleatorias {X 1, X 2,,X n }. Para estos casos las expresiones de f(x), F(x), μ X y σ X son:,,,,,, (45) Esta ecuación se lee como la probabilidad de la intersección de los eventos X 1 x 1 con X 2 x 2 con.. con X n x n Correlaciones Si tenemos dos vectores aleatorios X y Y, con medias y desviación estándar, se tiene que la covarianza es, (46) donde, E[] Valor esperado. Se define como coeficiente de correlación ρ XY al valor que indica el grado de dependencia lineal entre dos variables aleatorias X y Y. El coeficiente de correlación está en el rango -1 ρ XY 1, cuando se acerca a cero indica que no hay relación lineal entre X y Y, pero la relación puede ser no lineal.
21 , (47) Ejemplo 5 El momento resistente de una viga de concreto armado M n =R n bd 2 μ Rn 9,68 μ b 20,20 μ d 24,75 σ Rn 0,15 σ b 0,81 σ d 0,99 Matriz de coeficiente de correlacion ,5 0 0,5 1 ρ bd 0,5 Matriz de covarianza R n b d R n 0,021 0,000 0,000 b 0,000 0,653 0,400 d 0,000 0,400 0,980 Teorema de Bayes El Teorema de Bayes está referido a resolver la pregunta de donde provienen los resultados obtenidos, constituye una regla útil para la resolución del planteamiento al combinar la estadística y la información derivada de los resultados con la actualización en función de los recientes resultados obtenidos. El enunciado indica que si tenemos eventos mutuamente excluyentes H 1, H 2,,H n cuya unión es el espacio muestral Ω y si un suceso E está definido en Ω de modo que P(E)>0, entonces la probabilidad de H i dado E es (48) Por ejemplo consideremos la determinación del esfuerzo de un elemento estructural obtenido en laboratorio, la variable A define los resultados que fueron A={a 1, a 2, a 3,..., a n }, la probabilidad de cada resultado a i es P(A=a i )=p i. Esta probabilidad representa la información obtenida previamente, experiencia o juicio de valor. En la actualidad se están realizando ensayos sobre el mismo elemento los cuales se desean actualizar a la luz de los resultados. La variable E representa los posibles resultados del nuevo experimento y está conformados por los posible resultados {a 1, a 2, a 3,,a n }, p i representa la probabilidad de los nuevos resultados que se obtendrá empleando el Teorema de Bayes. o (49)
22 La probabilidad condicional representa la probabilidad de que el resultado del ensayo indique a j dado que el verdadero valor es a i. (Chou, 1972; Nowak y Collins, 2000). Ejemplo 6 Probabilidades de los esfuerzos de corte de vigas de acero Esfuerzo de corte viga p i Rv 0,00 0,9Rv 0,15 0,8Rv 0,30 0,7Rv 0,40 0,6Rv 0,15 Resultados de ensayos sobre viga de ensayo Matriz de probabilidades condicionales Esfuerzo de la viga Valor ensayado Rv 0,9Rv 0,8Rv 0,7Rv 0,6Rv Rv 0,60 0,05 0,00 0,00 0,00 0,9Rv 0,30 0,65 0,05 0,00 0,00 0,8Rv 0,10 0,25 0,70 0,10 0,05 0,7Rv 0,00 0,05 0,20 0,75 0,25 0,6Rv 0,00 0,00 0,05 0,15 0,70 1,00 1,00 1,00 1,00 1,00 Probabilidad de corte sea Rv en el ensayo 0,8 Rv P Rv 0,8Rv 0,000 Probabilidad de corte sea 0,9Rv en el ensayo 0,8 Rv P 0,9Rv 0,8Rv 0,127 Probabilidad de corte sea 0,8Rv en el ensayo 0,8 Rv P 0,8Rv 0,8Rv 0,712 Probabilidad de corte sea 0,7Rv en el ensayo 0,8 Rv P 0,7Rv 0,8Rv 0,136 Probabilidad de corte sea 0,6Rv en el ensayo 0,8 Rv P 0,6Rv 0,8Rv 0,025 Tabla 2. Comparación de las p previos y posteriores a los ensayos Esfuerzo de corte viga p i antes de los ensayos p i actualizados Rv 0,00 0,000 0,9Rv 0,15 0,127 0,8Rv 0,30 0,712 0,7Rv 0,40 0,136 0,6Rv 0,15 0,025
23 Referencias Benjamin, J. y Cornell, C. (1981). Probabilidad y Estadística en Ingeniería Civil. Bogotá, Colombia: McGraw-Hill Latinoamericana, S.A. Chou. Y. (1972). Análisis Estadístico. México: Nueva Editorial Interamericana, S.A. de C.V. Kennedy, J. y Neville, A. (1982). Estadística para Ciencias e Ingeniería. México D.F., México: Harla, S.A. de C.V. Miller, I., Freund, J. y Johnson, R. (1992). Probabilidad y Estadísticas para Ingenieros. Naucalpan de Juárez, México: Prentice-Hall Hispanoamericana, S.A. Nowak, A. y Collins, K. (2000). Reliability of Structures. EE.UU.: McGraw-Hill Companies, Inc.
24 Apéndice Tabla A1. Valores de p de una distribución normal estándar p z p z p z p z 0, ,25 0, ,60 0, ,05 0, ,70 0, ,20 0, ,55 0, ,10 0, ,75 0, ,15 0, ,50 0, ,15 0, ,80 0, ,10 0, ,45 0, ,20 0, ,85 0, ,05 0, ,40 0, ,25 0, ,90 0, ,00 0, ,35 0, ,30 0, ,95 0, ,95 0, ,30 0, ,35 0, ,00 0, ,90 0, ,25 0, ,40 0, ,05 0, ,85 0, ,20 0, ,45 0, ,10 0, ,80 0, ,15 0, ,50 0, ,15 0, ,75 0, ,10 0, ,55 0, ,20 0, ,70 0, ,05 0, ,60 0, ,25 0, ,65 0, ,00 0, ,65 0, ,30 0, ,60 0, ,95 0, ,70 0, ,35 0, ,55 0, ,90 0, ,75 0, ,40 0, ,50 0, ,85 0, ,80 0, ,45 0, ,45 0, ,80 0, ,85 0, ,50 0, ,40 0, ,75 0, ,90 0, ,55 0, ,35 0, ,70 0, ,95 0, ,60 0, ,30 0, ,65 0, ,00 0, ,65 0, ,25 0, ,60 0, ,05 0, ,70 0, ,20 0, ,55 0, ,10 0, ,75 0, ,15 0, ,50 0, ,15 0, ,80 0, ,10 0, ,45 0, ,20 0, ,85 0, ,05 0, ,40 0, ,25 0, ,90 0, ,00 0, ,35 0, ,30 0, ,95 0, ,95 0, ,30 0, ,35 0, ,00 0, ,90 0, ,25 0, ,40 0, ,05 0, ,85 0, ,20 0, ,45 0, ,10 0, ,80 0, ,15 0, ,50 0, ,15 0, ,75 0, ,10 0, ,55 0, ,20 0, ,70 0, ,05 0, ,60 0, ,25 0, ,65 0, ,00 0, ,65
CM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesESTADISTICA Y PROBABILIDAD
ESTADISTICA Y PROBABILIDAD Introducción Para incrementar los conocimientos que se tienen acerca del mundo es necesario emplear los métodos y las inferencias estadísticas. Sin embargo debido a la amplitud
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
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 detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA NIVEL : LICENCIATURA CRÉDITOS : 7 CLAVE : ICAE13001731 HORAS TEORÍA : 3 SEMESTRE : QUINTO HORAS PRÁCTICA : 1 REQUISITOS
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 detallesFACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
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 detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesFLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
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 detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
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 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 detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS EXACTAS Y NATURALES ESCUELA DE CIENCIAS QUIMICAS
1. DATOS INFORMATIVOS: PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS EXACTAS Y NATURALES ESCUELA DE CIENCIAS QUIMICAS MATERIA: ESTADISTICA II CODIGO: 12820 CARRERA: CIENCIAS QUIMICAS,
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 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 detallesTÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar
Más detallesGLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos
Más detallesUNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS ESCUELA PROFESIONAL DE INGENIERIA AGROINDUSTRIAL
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS ESCUELA PROFESIONAL DE INGENIERIA AGROINDUSTRIAL ASIGNATURA: ESTADÍSTICA I CODIGO : 5B0067 I.- DATOS GENERALES SILABO
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detalles2. Recolección de información - Medidas de posición: moda, media aritmética, mínimo, máximo - Frecuencia absoluta, relativa y porcentual
Prueba Escrita de matemática / Nivel: Sétimo año 1. Estadística - Unidad estadística - Características - Datos u observaciones - Población - Muestra - Variabilidad de los datos - Variables cuantitativas
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesUNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA CARÁCTER: Obligatoria PROGRAMA: Ingeniería Civil DEPARTAMENTO: Ciencias Básicas CODIGO SEMESTRE DENSIDAD HORARIA HT
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más 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 detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
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 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 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 detallesPROGRAMA INSTRUCCIONAL ESTADÍSTICA
UNIVERSIDAD FERMIN TORO VICE RECTORADO ACADEMICO FACULTAD DE INGENIERIA ESCUELA DE MANTENIMIENTO MECÁNICO ESCUELA DE TELECOMUNICACIONES ESCUELA DE COMPUTACIÓN ESCUELA DE ELÉCTRICA PROGRAMA INSTRUCCIONAL
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesEstadística Descriptiva
M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo
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 detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS
1 1. DATOS INFORMATIVOS PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS MATERIA: ESTADISTICA CODIGO: 11715 CARRERA: INGENIERIA DE SISTEMAS NIVEL: TERCERO
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
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 detalles3 PROBABILIDAD Y DISTRIBUCION NORMAL
3 PROBABILIDAD Y DISTRIBUCION NORMAL La probabilidad puede ser considerada como una teoría referente a los resultados posibles de los experimentos. Estos experimentos deben ser repetitivos; es decir poder
Más detallesU.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo
U.D.1: Análisis estadístico de una variable Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.: Alumnos del colegio. - Individuo:
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 detalles1. Los números reales. 2. Representación. 3. Densidad de los números racionales. 4. Propiedades de los números reales
EJES ARTICULADORES Y PRODUCTIVOS DEL AREA SISTEMA DE CONOCIMIENTOS GRADO: 10 11 1. Los números reales 1. Desigualdades. 2. Representación 2. Propiedades. 3. Densidad de los números racionales 4. Propiedades
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 detallesBloque 1. Contenidos comunes. (Total: 3 sesiones)
4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como
Más detallesCONTENIDOS MÍNIMOS BLOQUE 2. NÚMEROS
CONTENIDOS Y CRITERIOS DE EVALUACIÓN DE MATEMÁTICAS 1º DE ESO. Bloque 1: Contenidos Comunes Este bloque de contenidos será desarrollado junto con los otros bloques a lo largo de todas y cada una de las
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 detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
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 detallesTÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar problemas
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
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 detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesUNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS
I. IDENTIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I CÓDIGO DE LA ASIGNATURA 33102106 ÁREA CIENCIAS BASICAS DE INGENIERIA SEMESTRE SEGUNDO PLAN DE ESTUDIOS 1996 AJUSTE 2002 HORAS TOTALES POR SEMESTRE 64 HORAS
Más detallesJUNIO Bloque A
Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.
Más detallesESTADISTICA DESCRIPTIVA Y PROBABILIDAD
ESTADISTICA DESCRIPTIVA Y PROBABILIDAD CODIGO 213543 (COMPUTACION) 223543 (SISTEMAS) 253443 (CONTADURIA) 263443( ADMINISTRACION) 273443 (GRH) HORAS TEORICAS HORAS PRACTICAS UNIDADES CREDITO SEMESTRE PRE
Más detallesZ i
Medidas de Variabilidad y Posición. Jesús Eduardo Pulido Guatire, marzo 010 Cuando trabajamos el aspecto denominado Medidas de Tendencia Central se observó que tanto la media como la mediana y la moda
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesMinisterio de Educación Pública Dirección de Gestión y Evaluación de la Calidad Departamento de Evaluación Académica y Certificación.
Matemáticas Distribución de ítems para la prueba nacional Modalidad Académica (Diurnos Nocturnos) Convocatorias 016 ESTIMADO DOCENTE: En la modalidad de colegios académico, la Prueba de Bachillerato 016
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 detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesDr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
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 detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 9 Experimentación y presentación de datos Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir los conceptos de experimentación y determinación
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
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 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 detallesDistribuciones de Probabilidad para Variables Aleatorias Discretas 1
Distribuciones de Probabilidad para Variables Aleatorias Discretas Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística,
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesNotas de clase A. Leonardo Bañuelos Saucedo Nayelli Manzanarez Gómez
PROBABILIDAD Y ESTADÍSTICA Notas de clase A. Leonardo Bañuelos Saucedo Nayelli Manzanarez Gómez INTRODUCCIÓN TEMA V VARIABLES ALEATORIAS CONJUNTAS En los capítulos anteriores se estudiaron variables aleatorias
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesEstimación por métodos Geoestadísticos
Estimación por métodos Geoestadísticos Métodos de Estimación de Recursos Mineros Estimación global Estimación local La media aritmética Los polígonos El método del inverso de la distancia Geoestadística
Más detallesESTADISTICA Y PROBABILIDADES
Bachillerato y Licenciatura en la Enseñanza de la Matemática ESTADISTICA Y PROBABILIDADES Código: MAB314 Nivel: III Ciclo lectivo: VI Naturaleza: teórico-práctico Area: Matemática Aplicada Requisitos:
Más detallesMatemáticas. Selectividad ESTADISTICA COU
Matemáticas Selectividad ESTADISTICA COU 1. Un dentista observa el Nº de Caries en cada uno de los 100 niños de cierto colegio. La información obtenida aparece resumida en la siguiente tabla. Nº Caries
Más detallesMapa Curricular: Funciones y Modelos
A.PR.11.2.1 Determina el dominio y el alcance de las funciones a partir de sus diferentes representaciones. A.PR.11.2.2 Identifica y aplica las relaciones entre los puntos importantes de una función (ceros,
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA I. DATOS GENERALES Unidad Académica: Departamento de Suelos Programa Educativo: Ingeniería en Recursos Naturales Renovables Nivel educativo: Licenciatura Eje curricular: Ingeniería
Más detallesMATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO DE EXAMEN CURSO 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
Más detallesMEDIDAS DE TENDENCIA CENTRAL
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMERICA) MEDIDAS DE TENDENCIA CENTRAL 20/05/2008 Ing. SEMS 2.1 INTRODUCCIÓN En el capítulo anterior estudiamos de qué manera los
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más 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 detallesTema 3. Relación entre dos variables cuantitativas
Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas
Más detallesPREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2
PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos
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 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 detallesMEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detalles