Desigualdades e Identidades de Correlación
|
|
- Roberto Lagos Quintana
- hace 6 años
- Vistas:
Transcripción
1 Desigualdades e Identidades de Correlación Víctor Pérez-Abreu Departamento de Probabilidad y Estadística CIMAT, Guanajuato IX Escuela de Probabilidad y Estadística Guanajuato, enero 22 del 2007
2 Contenido y Objetivos 1. Recordar Ley de los grandes números de Bernoulli 2. Impacto del trabajo de Jacobo Bernoulli 3. Qué es una desigualdad de correlación 4. Para qué sirve una desigualdad de correlación 5. Algunos resultados sobre identidades y desigualdades de correlación 6. Caso Gaussiano y Bernoulli 7. Comentarios finales
3 1 Ley de Los Grandes Números Probabilidad de "éxito" es p, 0 <p<1. Ley de Grandes Números: S n #éxitosenn ensayos S n P µ n p >h 1 4nh 2 Demostración de Bernouilli es para p racional p = r r + s con r y s naturales.
4 2 Jacobo Bernoulli ( ) Ars Conjectandi: Publicación posmortum en 1713 compilada por su sobrino Nicolas Bernoulli. Basado en Meditaciones Matemáticas de Jacobo Cuatro capítulos: 1. Comentarios a trabajos de Huygens ( ) sobre problemas en juegos de azar 2. Combinatoria y permutaciones nuevos problemas de azar 4. Ley de los grandes números
5 Ley de los Grandes Números: "Es bien conocido que la frecuencia relativa de un evento estará más cerca a la verdad si tenemos más observaciones" "Este problema lo he pensado durante 20 años. Su novedad y utilidad son tan importantes como su gran dificultad, excediendo la de los otros capítulos" Probabilidad clásica La razón del número de casos favoables entre el número de casos posibles Probabilidad frecuencial Frecuencia relativa aproxima al verdadero valor cuando no es posible conocer todos los casos posibles. Lo que no se puede encontrar a priori se puede obtener a posteriori mediante la observación múltiple de resultados experimentales similares.
6 Aplicaciones: Modelos de urnas Considere la repetición sucesiva de un experimento aleatorio en el cual se considera exclusivamente la ocurrencia (éxito) o no ocurrencia (fracaso) de un evento. Si p es la probabilidad de éxito en cada repetición del experimento, entonces la probabilidad de que el número promedio de éxitos en las primeras n repeticiones difiera de p en más de una cantidad fija de antemano, es pequeña para n suficientemente grande. Formulación moderna: n # número de observaciones, S n # éxitos, p = r/(r + s). h >0, c Z + n P ( S n n p >h) < 1 1+c Demostración con alto rigor
7 Convergencia en probabilidad Cota superior muy grande. c =1,h=1/5000 dan n = Para Bernoulli h =1/(r + s). Intuición "menos observaciones" Primer resultado límite en probabilidad
8 Posterior 1729 Moivre ( ): Teorema Límite Central 1812 Laplace ( ): Teorema del Límite Integral de Moivre-Laplace. Análisis de n S n n = S n n 1837 Poisson ( ): Probabilidad de evento varía en cada experimento Chebyshev ( ): P ( S n n p >h) < 1 4nh 2 Desviaciones grandes (Cramer ( )): S n P µ n p >h 2exp( 2nh 2 )
9 3 Qué es desigualdad de correlación X variable, vector aleatorio o matriz aleatoria, f y g funciones Desigualdad de correlación: E[f(X)g(X)] E[f(X)]E[g(X)] o Cov(f(X),g(X)) 0 Recordemos Cov(f(X),g(X)) = E[f(X)g(X)] E[f(X)]E[g(X)] Más general Cov(f(X),g(X)) F (f,g,x) Cov(f(X),g(X)) F (f,g,x)
10 4 Para qué sirve una desigualdad de correlación Transcurso de la conferencia Ejemplo: X =(X 1,...,X n ), f(x)=(x x n )/ n, S n = X X n g(x) =1 {f(x) h} E[g(X)] = E[1 {Sn h n} ]=P ( S n n h) E[f(X)g(X)] = 1 n E[S n 1 {Sn h n} ] hp ( S n n h) E[f(X)] = 1 n E[S n ] P( S n h) 1 n h E[f(X)g(X)] =1 Cov(f(X), g(x)) h
11 5 Resultados sobre identidades y desigualdades de correlación 5.1 Caso Gaussiano X vector aleatorio con distribución normal multivariada N(0,I) en R n,f,gfunciones R n R con derivada acotada Cov(f(X),g(X)) = 1Z 0 E f(x) > q g(αx+ 1 α 2 Y )dα Y N(0,I) independiente de X, gradiente. Dimensión uno: Cov(f(X),g(X)) = 1Z 0 Ef (1) (X)g (1) q (αx+ 1 α 2 Y )dα
12 5.2 Aplicaciones Cov(f(X),g(X)) = 1Z 0 Ef (1) (X)g (1) q (αx+ 1 α 2 Y )dα Desigualdad de Poincaré-Chernoff : f = g Var(f(X) E[f (1) (X)] 2 Desigualdad de correlación: f, g crecientes Cov(f(X),g(X)) 0 Identidad de Stein: g(x) =x EXf(X) =Ef (1) (X) f,g continuas y positivas definidas Cov(f(X),g(X)) 0
13 Desigualdad de momento exponencial: Ef(X) =0 Eexp(f(X)) Eexp f(x) 2 f,g Lipschitz kfk Lip 1 Cov(f(X),g(X)) E g(x) Desigualdad de desviación: f Lipschitz kfk Lip 1 P ( f(x) Ef(X) h) E f Ef 1 h exp( h2 2 ) Problema abierto: f,g log concavas o cuasi convexas, se cumple Cov(f(X),g(X)) 0? P (A B) P (A)P (B)? A, B conjuntos simétricos y convexos, n 3
14 5.3 Caso Bernoulli µ n distribución uniforme en { 1, 1} n = J n Gradiente discreto: f : J n R, x J n, f(x) > =( 1 f(x),..., n f(x)) i f(x) = 1 2 [f(x 1,..., x i 1, 1,x i+1,..., x n ) f(x 1,...,x i 1, 1,x i+1,..., x n )] Identidad de covarianza: f,g : J n R, X µ n Cov(f(X),g(X)) = Z J n Z J n f(x) > g(y)dν n (x, y) dν n (x, y) dµ n (x)dµ n (y) = 1Z 0 ny i=1 (1 + αx i y i )dα
15 Similar al caso Gaussiano: f(x) 1, x J n Cov(f(X),g(X)) E g(x) Aplicación: Sumas Bernoulli: S n = ξ ξ n. Existe constante universal K P ( S n n h) K 1 h exp( h2 2 ), h > 0 Prueba: f(x) =(x x n )/ n, g(x) =1 {f(x) h} Desigualdad de Pinelli: Existe constante universal K tal que función lineal con a a2 n =1 f(x) =a 1 x a n x n P (f(x) h) K Z 2π h exp( t2 2 )dt
16 6 Comentarios finales Expansiones para identidades de covarianza en términos de derivadas de ordenes mayores. X puede tener distribución más general que Normal o Bernoulli. En particular existen desigualdades de correlación e identidades y expansiones de covarianza cuando X tiene distribución Infinitamente Divisible (poisson, exponencial, gamma, estable, normal inversa gaussiana, etc.) Hay avances en la prueba de la famosa conjetura de correlación. Posible tesis de licenciatura o maestría: X matriz aleatoria infinitamente divisible. Desigualdades de correlación para f(x)? f es traza, determinante, norma, etc. Caso interesante X es matriz nonegativa definida.
17 7 Referencias 1) The Art of Conjecturing. Jacob Bernoulli. Traducción al inglés con introducción y notas de Edith Dudley Sylla. Johns Hopkins University Press ) S. Bobkov, F. Götze & C. Houdré (2001). On Gaussian and Bernoulli covariance representations. Bernoulli 7, pp ) C. Houdré C. & V. Pérez-Abreu (1995). Covariance identities and inequalities for functionals on Wiener and Poisson spaces. Annals of Probability 23, pp ) C. Houdré, V. Pérez-Abreu & D. Surgailis (1998). Interpolation, correlation identities and inequalities for infinitely divisible processes. Journal of Fourier Analysis and Applications 4, pp ) I. Pinelis (1996). Extremal probability problems and Hotelling s T 2 test under symmetric condition. Annals of Statistics 22, pp
Algunas 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
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................
Generación de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Tema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones
Tema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Variables 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,
FUNCIONES REALES 1º DE BACHILLERATO CURSO
FUNCIONES REALES 1º DE BACHILLERATO CURSO 2007-2008 Funciones reales Definición Clasificación Igual de funciones Dominio Propiedades Monotonía Extremos relativos Acotación. Extremos absolutos Simetría
MATERIA: 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
Sucesiones Introducción
Temas Límites de sucesiones. convergentes. Sucesiones divergentes. Sucesiones Capacidades Conocer y manejar conceptos de sucesiones convergentes y divergentes. Conocer las principales propiedades de las
Semana 2 [1/24] Derivadas. August 16, Derivadas
Semana 2 [1/24] August 16, 2007 Máximos y mínimos: la regla de Fermat Semana 2 [2/24] Máximos y mínimos locales Mínimo local x es un mínimo local de la función f si existe ε > 0 tal que f( x) f(x) x (
VARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Maestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo
Variables 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
LA FUNCIÓN INVERSA. Si R es una relación, la relación R definida por la proposiciones. (a, b) R (b, a) R. (a, b) R (c, b) R a = c
LA FUNCIÓN INVERSA Existen diferentes definiciones de función inversa, aunque el concepto matemático es el mismo. Expondremos aquí tres de ellas, para efectos formales, ya que para hallar la inversa de
Probabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
Examen de Matemáticas Aplicadas a las CC. Sociales II (Coincidente-Junio 2012) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Coincidente-Junio 1) Selectividad-Opción A Tiempo: 9 minutos Problema 1 (3 puntos) Dadas las matrices A = x y z y B = 1, se pide: 1 1 3 1 k, X = 1.
18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.
PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto
Desigualdad de Chebyshev bidimensional
Scientia et Technica Año XVII, No 51, Agosto de 2012. Universidad Tecnológica de Pereira. ISSN 0122-1701 242 Desigualdad de Chebyshev bidimensional Two - dimensional Chebyshev Inequality Edgar Alirio Valencia,
Teoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
TEMARIO DE PROFESORES DE ENSEÑANZA SECUNDARIA MATEMÁTICAS
HOJA INFORMATIVA A.5.2.33 TEMARIO DE PROFESORES DE ENSEÑANZA SECUNDARIA MATEMÁTICAS Publicado en el B.O.E. de 21 de Septiembre de 1.993 MARZO 1998 MATEMÁTICAS 1. Números naturales. Sistemas de numeración.
Capítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta
Capítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática
Tema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Indicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
UNIDAD 4: FUNCIONES POLINOMIALES Y RACIONALES
UNIDAD 4: FUNCIONES POLINOMIALES Y RACIONALES En la Sección anterior se abordó contenidos relacionados con las funciones y gráficas, continuamos aprendiendo más sobre funciones; en la presente unidad abordaremos
Contenido. 2 Probabilidad 9. Prefacio. 1 Introducci6n a la estadfstica y al an;!llisis de datos
Contenido Prefacio ix 1 Introducci6n a la estadfstica y al an;!llisis de datos 1 1.1 1.2 1.3 1.4 1.5 1.6 Repaso 1 EI papel de la probabilidad 2 Medidas de posici6n: media de una muestra 4 Medidas de variabilidad
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
PROBABILIDAD Y ESTADISTICA
PLAN DE ESTUDIOS 2008 LICENCIADO EN INFORMÁTICA FACULTAD DE CONTADURÍA, ADMINISTRACIÓN E INFORMÁTICA ASIGNATURA: PROBABILIDAD Y ESTADISTICA ÁREA DEL MATEMÁTICAS CLAVE: I2PE1 CONOCIMIENTO: ETAPA FORMATIVA:
Teoría de Probabilidad
Matemáticas Discretas L. Enrique Sucar INAOE Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para las que no existe
Funciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
CAPITULO 1: PERSPECTIVE GENERAL DE LA
CONTENIDO CAPITULO 1: PERSPECTIVE GENERAL DE LA INVESTIGACION DE OPERACIONES 1 1.1 Modelos matemáticos de investigación de operaciones. 1 1.2 Técnicas de investigación de operaciones 3 1.3 Modelado de
Distribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Introducción al Tema 9
Tema 2. Análisis de datos univariantes. Tema 3. Análisis de datos bivariantes. Tema 4. Correlación y regresión. Tema 5. Series temporales y números índice. Introducción al Tema 9 Descripción de variables
EXTENSIONES DE LAS DESIGUALDADES TIPO KHINCHINE-KAHANE PARA LA BOLA UNIDAD DE l n q, 0 < q < 1
EXTENSIONES DE LAS DESIGUALDADES TIPO HINCHINE-AHANE PARA LA BOLA UNIDAD DE l n q, 0 < q < JESÚS BASTERO Y MIGUEL ROMANCE En recuerdo al profesor José Javier Guadalupe Hernández, Chicho Abstract. We study
Repaso 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
Universidad de Guanajuato Tronco Común de Ingnierías
Objetivo del Area. Programa. Universidad de Guanajuato Tronco Común de Ingnierías Diseñar modelos matemáticos y proponer alternativas de solución a problemas. AREA: Matemáticas MATERIA: Cálculo II CLAVE:
ANALISIS 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
Demostraciones a Teoremas de Límites
Demostraciones a Teoremas de Límites Programa de Bachillerato.Universidad de Chile. Otoño, 009 En esta sección solo daremos los fundamentos teóricos que nos permiten resolver los problemas que se nos plantean,
RESUMEN 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
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
Julián Rodríguez Ruiz Catedrático de Economía Aplicada. UNED Mariano Matilla García Profesor Titular de Universidad. Economía Aplicada. UNED M. a Carmen García Llamas Profesora Titular de Universidad.
Habilidades Matemáticas. Alejandro Vera
Habilidades Matemáticas Alejandro Vera La distribución normal Introducción Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos
Análisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
PLANIFICACIÓN ANUAL NM3 TERCERO MEDIO
PLANIFICACIÓN ANUAL NM3 TERCERO MEDIO TERCER AÑO FORMACIÓN GENERAL OBJETIVOS FUNDAMENTALES CONTENIDOS MINIMOS SUGERENCIAS DE ACTIVIDADES. Los alumnos y las alumnas desarrollarán la capacidad de : Resolver
Teoremas de convergencia y derivación bajo el signo integral
Capítulo 8 Teoremas de convergencia y derivación bajo el signo integral En este capítulo estudiaremos sucintamente bajo qué circunstancias puede intercambiarse el orden de la integral con las operaciones
PROGRAMA DE CURSO. Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT 6 10 3 2 5
PROGRAMA DE CURSO Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT Unidades Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal
Agro 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,
ESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Formulario y Tablas de Probabilidad para los Cursos de Probabilidad, Inferencia Estadística y Econometría
Formulario y Tablas de Probabilidad para los Cursos de Probabilidad, Inferencia Estadística y Econometría Ernesto Barrios Zamudio 1 José Ángel García Pérez2 Departamento Académico de Estadística Instituto
Funciones reales de variable real
84 Matemáticas I : Cálculo diferencial en IR Tema 8 Funciones reales de variable real 8. Los números reales Los números reales son de sobra conocidos, sus operaciones básicas así como su identificación
Teoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
Notas sobre el teorema minimax
Notas sobre el teorema mini Antonio Martinón Abril de 2012 1 Teoremas mini Sean X e Y dos conjuntos no vacíos y consideremos una función Se verifica sup inf efectivamente, dado x X resulta claro que f
Universidad Rey Juan Carlos Facultad de CC. Jurídicas y Sociales (Campus de Vicálvaro)
Universidad Rey Juan Carlos Facultad de CC. Jurídicas y Sociales (Campus de Vicálvaro) CURSO 2009-2010 Titulación: DIPLOMATURA EN CIENCIAS EMPRESARIALES Órgano responsable de la docencia: ECONOMÍA FINANCIERA
PLAN DE ESTUDIOS DE MS
PLAN DE ESTUDIOS DE MS Temario para desarrollar a lo largo de las clases 11 y 12. CLASE 11: I. ELEMENTOS DE ÁLGEBRA LINEAL. a) Revisión de conceptos Estructura de espacio vectorial. Propiedades de los
CONTENIDOS MÍNIMOS BACHILLERATO
CONTENIDOS MÍNIMOS BACHILLERATO I.E.S. Vasco de la zarza Dpto. de Matemáticas CURSO 2013-14 ÍNDICE Primero de Bachillerato de Humanidades y CCSS...2 Primero de Bachillerato de Ciencias y Tecnología...5
6. VARIABLES ALEATORIAS
6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta
PROGRAMACIÓN DE LOS CONTENIDOS DE MATEMÁTICAS EN LA PREPARACIÓN DE LA PARTE COMÚN DE LA PRUEBA DE ACCESO A LOS C.F.G.S. (Opción C)
PROGRAMACIÓN DE LOS CONTENIDOS DE MATEMÁTICAS EN LA PREPARACIÓN DE LA PARTE COMÚN DE LA PRUEBA DE ACCESO A LOS C.F.G.S. (Opción C) I.E.S. Universidad Laboral de Málaga Curso 2015/2016 PROGRAMACIÓN DE LA
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:
Teorema 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
6.1. Esperanza Matemática de Variables Aleatorias Discretas.
Capítulo 6 Esperanza Matemática 6 Esperanza Matemática de Variables Aleatorias Discretas Recordemos que una variable aleatoria X es discreta, si existe una sucesión (x n ) n de números reales tales que
May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
478 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
Soluciones de la ecuación diferencial lineal homogénea
Ecuaciones diferenciales lineales de orden superior Ampliación de matemáticas urso 2008-2009 Ecuación diferencial lineal de orden n (x dn y n + P (x dn y n + + P n (x dy + P n(xy = G(x ( donde, P,...,
Departamento de Matemáticas. 1º BACHILLERATO Ciencias y Tecnología CONVOCATORIA EXTRAORDINARIA DE SEPTIEMBRE 2014
IES SAN BENITO Departamento de Matemáticas 1º BACHILLERATO Ciencias y Tecnología CONVOCATORIA EXTRAORDINARIA DE SEPTIEMBRE 2014 PRUEBA EXTAORDINAORIA: La Prueba de septiembre será únicamente de contenidos
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 5 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Funciones convexas Definición de función convexa. Tema 10
Tema 10 Funciones convexas Los resultados obtenidos en el desarrollo del cálculo diferencial nos permiten estudiar con facilidad una importante familia de funciones reales de variable real definidas en
LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
FUNCIONES REALES DE VARIABLE REAL
.- Halla el dominio de las siguientes funciones: a) f(x)= x b) x 4 x 3 3x f(x)= + 8x 4 x + 3x 4 x 3 x + 4x c) f(x)= x 3 x x d) 8x 3 + 3x f(x)= 7x x 9 x e) f(x)= x x f) f(x)= x + 5 x g) f(x)= x x + h) f(x)=
Modelos Estadísticos de Crimen
Universidad de los Andes Modelos Estadísticos de Crimen 27 de Mayo de 2015 Motivacion Conocer la densidad de probabilidad del crimen sobre una ciudad, a distintas horas del día, permite Modelos Estadísticos
Herramientas Cuantitativas
1 Herramientas Cuantitativas 1) matemáticas Financieras. Emilio Gamarra i. los tipos de Interés: clasificación ii. Convenciones del Mercado en Matemáticas Financieras a) Fechas Valor b) Cómputo de días
Facultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
UNIVERSIDAD DEL NORTE
UNIVERSIDAD DEL NORTE 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO MATEMÁTICAS Y ESATADÍSTICA. PROGRAMA ACADÉMICO ESTADÍSTICA I-AD CÓDIGO DE LA ASIGNATURA EST 1022 PRE-REQUISITO
PROGRAMA ANALÍTICO. UBICACIÓN EN EL PLAN DE ESTUDIO DE MECÁNICA: 1er. CUATRIMESTRE DE 2do. AÑO
PROGRAMA ANALÍTICO DEPARTAMENTO: CIENCIAS BÁSICAS CARRERAS: INGENIERÍA MECÁNICA - INGENIERÍA QUÍMICA ASIGNATURA: PROBABILIDAD Y ESTADÍSTICA CÓDIGO: 0406 AÑO ACADÉMICO: 2015 PLAN DE ESTUDIO: MECÁNICA 2005
1. DIFERENCIABILIDAD EN VARIAS VARIABLES
1 1. DIFERENCIABILIDAD EN VARIAS VARIABLES 1.1. DERIVADAS DIRECCIONALES Y PARCIALES Definición 1.1. Sea f : R n R, ā R n y v R n. Se define la derivada direccional de f en ā y en la dirección de v como:
Unidad 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,
El subconjunto en el que se define la función se llama dominio o campo existencia de la función. Se designa por D.
Concepto de función Función real de variable real es toda correspondencia f que asocia a cada elemento de un determinado subconjunto de números reales, llamado dominio, otro número real (uno y sólo uno).
Curso de Inducción de Matemáticas
Curso de Inducción de Matemáticas CAPÍTULO 1 Funciones y sus gráficas M.I. ISIDRO I. LÁZARO CASTILLO Programa del Curso 1. Funciones y sus gráficas. 2. Límites. 3. Cálculo Analítico de Límites. 4. Derivación.
Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Funciones reales de variable real
Tema Funciones reales de variable real Introducción El objetivo fundamental de este tema es recordar conceptos ya conocidos acerca de las funciones reales de variable real.. Conceptos Generales Definición.
Distribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
FACULTAD 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
INFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Capítulo 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
INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Estadística para la toma de decisiones
Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables continúas. Objetivo Al término de la sesión el estudiante
Subconjuntos notables de un Espacio Topológico
34 Capítulo 4 Subconjuntos notables de un Espacio Topológico 4.1 Adherencia Definición 4.1.1 (Punto adherente). Sea (X, τ) un espacio topológico, y sea S un subconjunto de X. Diremos que x X es un punto
CUÁL SERIA LA PREDICCION OPTIMA DEL ESTADO DEL TIEMPO AL DIA SIGUIENTE?
TEOREMA DE BAYES Explica como considerar matemáticamente la nueva información en la toma de decisiones. P( AΙB) = P( A B) P( B) = P( A) P( BΙA) P( B) PROBLEMA: En cierto lugar llueve el 40% de los días
TEMA 1 Métodos Matemáticos en Física L4C: Series Fourier (SF)
(SF) Según libro: Nikhle H. Asmar, Partial Differential Ecuations with Fourier Series and Boundary Value Problems Second Edition, Pearson, (2005) Igual como para series TAYLOR f(x)=σa n x n, Series Fourier
Propiedades en una muestra aleatoria
Capítulo 5 Propiedades en una muestra aleatoria 5.1. Conceptos básicos sobre muestras aleatorias Definición 5.1.1 X 1,, X n son llamadas una muestra aleatoria de tamaño n de una población f(x) si son variables
Modelos de distribuciones discretas y continuas
Modelos de distribuciones discretas y continuas Discretas En la versión actual de Rcdmr podemos encontrar las distribuciones discretas estudiadas en este curso y para cada una de ellas están disponibles
Departamento de Matemáticas. ITAM Programación lineal (+ extensiones). Objetivos y panorama del c
Programación lineal (+ extensiones). Objetivos y panorama del curso. Departamento de Matemáticas. ITAM. 2008. Introducción Programación lineal http://allman.rhon.itam.mx/ jmorales La programación lineal
TEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Conjunto R 3 y operaciones lineales en R 3
Conjunto R 3 y operaciones lineales en R 3 Objetivos. Definir el conjunto R 3 y operaciones lineales en R 3. Requisitos. Conjunto de los números reales R, propiedades de las operaciones aritméticas en
03 Variables aleatorias y distribuciones de probabilidad. Contenido. Variable aleatoria
03 Variables aleatorias y distribuciones de probabilidad Contenido Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Variable aleatoria Sea Ω un espacio muestral.
Espacios conexos. Capítulo Conexidad
Capítulo 5 Espacios conexos 1. Conexidad En este capítulo exploraremos el concepto de conexidad en un espacio métrico, y estudiaremos algunas de sus aplicaciones. Definición 5.1. Decimos que el espacio
e+ 2 Fay* Límites de una función Teoremas de los límites de funciones Límites unilaterales Límites infinitos 105
e+ I f 1.1 Números reales y desigualdades 2 1.2 Coordenadas y rectas 16 1.3 Circunferencias y gráficas de ecuaciones 32 1.4 Funciones 42 1.5 Gráficas de funciones S5 1.6 Funciones trigonométricas 61 Ejercicios