ESTADÍSTICA I. Unidad 4: Resumen de Contenidos Teóricos 1. Mariano Lanza DISTRIBUCIONES DE PROBABILIDAD COMÚNMENTE UTILIZADAS
|
|
- Alfredo Crespo Arroyo
- hace 6 años
- Vistas:
Transcripción
1 ESTADÍSTICA I Unidad 4: Resumen de Contenidos Teóricos Mariano Lanza DISTRIBUCIONES DE PROBABILIDAD COMÚNMENTE UTILIZADAS. VARIABLES ALEATORIAS DISCRETAS. Distribución Binomial Definición previa: Prueba Bernoulli: Es una prueba donde eiste una probabilidad de éito, la cual no cambia de una prueba a otra ( pruebas independientes ). Características de la Distribución Cuando un eperimento se basa en la repetición sucesiva de una prueba Bernoulli (donde la probabilidad de ocurrencia de la cada prueba es siempre la misma), se considera que se está ante la presencia de un proceso Bernoulli y la distribución Binomial es la generalización de dicho proceso. Forma funcional de la distribución Binomial Sea p la probabilidad de éito de un evento en un ensayo (o prueba) Bernoulli, y sea q-p la probabilidad de fracaso de la prueba. Entonces, la probabilidad de que el evento ocurra eactamente veces en n pruebas, está dada por: f ( ) P( X ) n p Propiedades de la Distribución Binomial Media: µ np q ( n ) n! p!( n )! q ( n ) Varianza: σ npq Desvío: σ npq Bibliografía consultada: Spiegel M. R y Stephens L. J. (00): Estadística. McGraw-Hill. Méico. Lind D. A, Marachal W. G. y Mason R. D. (004): Estadística para Administración y Economía. Ed. Alfaomega. Méico. De la Horra Navarro J. (003): Estadística Aplicada. Ediciones Díaz de Santos. España. Moore D. S. ( 000): Estadística Aplicada Básica. Antoni Bosch Editor S.A. España. Navidi William (006): Estadística para Ingenieros y Científicos. Ed. McGraw-Hil.
2 Gráficas de Distribución Binomial f ( ) P( X ) n p q ( n ) n! p!( n )! En los próimos gráficos, el n se mantiene fijo en 0 y se altera p para los siguientes valores: 0,; 0,; 0,5; 0,8 y 0,9 q ( n ) n0 y p 0, Binomial Distribution: Trials 0, Probability of success n0 y p 0, Binomial Distribution: Trials 0, Probability of success
3 n0 y p 0,5 Binomial Distribution: Trials 0, Probability of success n0 y p 0,8 Binomial Distribution: Trials 0, Probability of success 0.8 n0 y p 0,9 Binomial Distribution: Trials 0, Probability of success
4 En los próimos gráficos, p se mantiene fijo en 0, y se altera n para los siguientes valores: 0, 0, 50 y 00 respectivamente. Binomial Distribution: Trials 0, Probability of success 0. Binomial Distribution: Trials 0, Probability of success Binomial Distribution: Trials 50, Probability of success 0. Binomial Distribution: Trials 00, Probability of success
5 . Distribución Poisson Características de la Distribución Sea X una variable aleatoria discreta que puede tomar los valores 0,,,3,.,, tal que la función de probabilidad está dada por: Donde: f ( ) P( X ) λ e! λ es una constante positiva y representa el Nº de éitos en un intervalo específico. el número de ocurrencias buscado Dicha distribución se basa en los siguientes supuestos: La probabilidad de ocurrencia es proporcional a la etensión del intervalo considerado Los intervalos son independientes. Propiedades de la Distribución Media: Varianza: Desvío: µ λ σ λ σ λ Identificación para utilizar la distribución de Poisson Esta distribución, por lo general, describe la cantidad de veces que ocurre un evento en un intervalo determinado (se lo utiliza comúnmente para fracciones de tiempo, por ejemplo, en nº de fallas por hora (día/mes) en un proceso productivo. Si bien corresponde a una variable aleatoria discreta, está puede tomar infinitos valores. Por lo general el dominio de no está acotado por derecha (aunque su probabilidad sea próima a cero, o asintóticamente cero). Para calcular la probabilidad de, no es necesario conocer la cantidad de veces que se realiza una prueba (a diferencia de una binomial donde debe conocerse n). Distribución Poisson como un caso etremo de una distribución Binomial Esta distribución es una forma límite de la distribución Binomial cuando la probabilidad de éito p es muy pequeña y n muy grande ( n>30). Así, como el cálculo de la distribución Poisson es más sencillo y sus diferencias son despreciables cuando se dan las características antes señaladas, entonces se la utiliza como una aproimación de la distribución Binomial. Se utiliza la distribución Poisson como aproimación de una distribución Binomial cuando: p 0 n (n>30) np < 5 (En este caso, entonces debe calcularse el λ np ) λ 5
6 Gráficas de Distribución Poisson f ( ) P ( X ) λ e! λ En los próimos gráficos se altera el λ en la distribución Poisson Poisson Distribution: Mean 0.4 Poisson Distribution: Mean Poisson Distribution: Mean Poisson Distribution: Mean Poisson Distribution: Mean 30 Poisson Distribution: Mean
7 Ejemplo gráfico de la similitud entre la distribución Binomial y la distribución Poisson para el caso en que: p 0 n (n>30) np < 5 D. Binomial: P 0,0, n 00 D. Poisson: λ 0,0*00 Binomial Distribution: Trials 00, Probability of success 0.0 Poisson Distribution: Mean Distribución Hipergeométrica Es una distribución que se la utiliza para el caso en que se presentan las siguientes características: El eperimento consiste en una sucesión de pruebas, pero no eiste reemplazo en la muestra ( el evento es una sucesión de pruebas que poseen la característica de que cada evento o prueba no es independiente de los anteriores). Se conoce el tamaño de la población (N) Se conoce la probabilidad de éito en la población para le caso de la primer prueba del eperimento (lo que llamamos p y q). Es un caso particular del cálculo de probabilidades mediante combinatoria para eventos condicionales, pero en este caso solo referente a cantidad de éitos y fracasos. Forma funcional Donde: f ( ) P ( X ) N número total de la población (conocido) Np Nq n N n p probabilidad de éito del primer evento (total con condición/total de la población) q probabilidad de fracaso del primer evento (total sin condición/total de la población) éitos buscados en la prueba n número de veces que se repite el evento (sin reposición) 7
8 Parámetros de la Distribución µ Media: np Varianza: σ npq( N n) ( N ) Observaciones: si N ( o N es muy grande respecto al valor de n ), la función de Probabilidad Hipergeométrica se reduce a la distribución Binomial.. VARIABLES ALEATORIAS CONTINUAS. Distribución Normal Función de Densidad f ( µ ) σ ( ) e σ π Donde: µ media de la variable X σ desvío de la variable / R ( < < ) Función de Distribución (Acumulada) ( v µ ) σ ( F ) P( X ) σ π e dv Si X tiene la función de distribución dada anteriormente, decimos que la variable aleatoria X está normalmente distribuida con media µ y desvío σ. Lo dicho se denota como: X N( µ ; σ ) Características de la distribución Normal La curva es simétrica con respecto al valor de la media. La curva tiene un valor máimo en el valor de la media. La curva tiene puntos de infleión en aquellos valores de para los cuales a la media se le suma o se le resta una desviación estándar. La curva, en sus etremos izquierdo y derecho, tiende a acercarse infinitamente al valor cero, es decir, el eje de las abscisas es asíntota horizontal. 8
9 Gráficos de distribución normal, para media 0 y diferentes desvíos (ver cambios en la altura de la función de densidad). Normal Distribution: µ 0, σ 0.3 Density Normal Distribution: µ 0, σ 6 Density Distribución Normal Estándar Sea X una V.A. que sigue una distribución normal X N( µ ; σ ), puede obtenerse una función de distribución normal con media cero y desvío igual a (denominada distribución normal estándar) si realizamos algunas operaciones. Si llamamos a Función de Densidad µ Z X σ, entonces Z N(0;) f ( z ) e ( z ) π z / z R Función de Distribución (Acumulada) ( < < ) F( z) P( Z z) e π z ( v) dv 9
10 Características de la distribución Normal Presenta las mismas características que la distribución normal (general), pero en este caso particular su media es igual a cero y el desvío igual a uno..3 Aproimaciones a una Distribución Normal.3. Teorema Central del Límite a) Versión de Lindeberg: Sean X, X,,Xn variables aleatorias independientes. Todas con: Igual función de distribución: F(X ), F( X ),, F(X n ) Iguales parámetros (media y desvío) m m.. m n m σ σ... σ n σ Si definimos a Y X+ X+ +Xn., entonces cuando n es suficientemente grande (n tiende a infinito), Y sigue una distribución normal con: m y n*m desvío (y) n * σ b) Versión de Liapunof Y N( n * m; n * σ ) o U N(0;), dado que Y E( Y ) U Desv( Y ) Sean X, X,,X n variables aleatorias independientes. Todas con: Su propia función de distribución ( que pueden o no coincidir) F(X )<> F( X ) <> <> F(X n ) Sus propios parámetros: (media y desvío) m <> m <>.<> m n σ <> σ <>... <> σ n Si definimos a Y X + X + +X n., entonces cuando n es suficientemente grande (n tiende a infinito), Y sigue una distribución normal con: m y n m i i ; desvío ( σ ) n i i n m i i n Y N( ; σ ) o U N(0; ), dado que i i.3. Aproimación de una distribución Binomial a una distribución Normal Dada una variable aleatoria X que sigue una distribución Binomial X Bi( n; p) Y E( Y ) U. Desv( Y ) Cuando n>30 0
11 La probabilidad de éito es semejante a la probabilidad de fracaso ( p q ), Entonces, la variable aleatoria X puede aproimarse a una distribución normal (por aplicación del teorema central del límite) Ejemplo gráfico: X N( np; npq) D. Binomial con n 00 y p 0,5 X N( np; npq) o X N(50;5) Normal Distribution: µ 50, σ Binomial Distribution: Trials 00, Probability of success 0.5 Density Aproimación de una distribución Poisson a una distribución Normal Dada una variable aleatoria X que sigue una distribución Poisson X Po(λ) Cuando λ Entonces, la variable aleatoria X puede aproimarse a una distribución normal Ejemplo gráfico: X N( λ; λ ) D. Poisson λ 50 X N( λ; λ ) X N(50;7,0706) Poisson Distribution: Mean 50 Normal Distribution: µ 50, σ Density
12 .4 Otras Distribuciones Continuas.4. Distribución χ Teorema :Sean X, X,,X v variables aleatorias independientes, todas distribuidas normalmente con media 0 y desvió ( normal estándar): Sea B X + X + X X v Entonces B posee una distribución Chi-cuadrado, con v grados de libertad. B χ (v) Teorema : Sean U, U,,U k variables aleatorias independientes, que siguen una distribución Chi-Cuadrado con v, v,,v k grados de libertad respectivamente. Entonces sus suma W U + U + +U k, sigue una distribución Chi-cuadrado con v +v + +v k grados de libertad. Sea W U + U + +U k Donde U i Entonces χ v ) ( i W χ v + v v ) ( k Propiedades de la Distribución Chi-Cuadrado Esta definida para valores mayores o iguales a cero E( χ k ) k V ( χ k ) k ( ) ( ).4. Distribución t student Sean Y y Z variables aleatorias independientes donde: Y N(0;) Z χ k Entonces: B Y t (k ) Z k Propiedades de la distribución t student E(t) 0 Si k, entonces t(k) N(0,).4.3 Distribución F - snedecor Sean V y V variables aleatorias independientes que poseen una distribución Chi- Cuadrado con v y v grados de libertad respectivamente, entonces: V v V V v F( v; v )
Modelos de distribuciones discretas y continuas
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detallesTema 6: Modelos de probabilidad.
Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos
Más 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 detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más 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 detallesEstadística Aplicada
Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.
Más detallesDistribuciones de probabilidad Discretas
Distribuciones de probabilidad Discretas Distribución Uniforme Discreta Definición Una variable aleatoria X, tiene una distribución uniforme discreta, si cada uno de los valores x 1, x 2,.. x n, tiene
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
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesAlgunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
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 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 detallesAgenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria continua. Varianza. 2
Curso de nivelación Estadística y Matemática Cuarta clase: Distribuciones de probablidad continuas Programa Técnico en Riesgo, 2016 Agenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria
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 detallesESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales OBJETIVOS Describir las características de las distribuciones de probabilidad : Normal, Ji-cuadrado, t de student
Más detallesTEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...
TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más 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 detallesModelos de distribuciones discretas y continuas
Tema 6 Modelos de distribuciones discretas y continuas 6.1. Modelos de distribuciones discretas 6.1.1. Distribución uniforme sobre n puntos Definición 6.1.2 Se dice que una v.a. X sigue una distribución
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesDefinición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números
IV. Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 1 Variable Aleatoria Continua Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo
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 detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)
TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar
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 detallesMODELOS DISCRETOS DE PROBABILIDAD
MODELOS DISCRETOS DE PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Modelo Uniforme Discreto Modelo Uniforme Discreto Sea
Más detallesEstadística Grupo V. Tema 10: Modelos de Probabilidad
Estadística Grupo V Tema 10: Modelos de Probabilidad Algunos modelos de distribuciones de v.a. Hay variables aleatorias que aparecen con frecuencia en las Ciencias Sociales y Económicas. Experimentos dicotómicos
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesLa probabilidad de obtener exactamente 2 caras en 6 lanzamientos de una moneda es. 2) (2) (2) "it^g) = 64
Las distribuciones binomial, normal y de Poisson CAPITULO 7 Wmmr LA DISTRIBUCION B I N O M I A L Si p es la probabilidad de que cualquier evento ocurra en un solo ensayo (denominada probabilidad de éxito)
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 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 detallesEstadísticas y distribuciones de muestreo
Estadísticas y distribuciones de muestreo D I A N A D E L P I L A R C O B O S D E L A N G E L 7/11/011 Estadísticas Una estadística es cualquier función de las observaciones en una muestra aleatoria que
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 2. Modelos de probabilidad
Estadística y sus aplicaciones en Ciencias Sociales 2. Modelos de probabilidad Facultad de Ciencias Sociales Universidad de la República Curso 2016 Índice 2.1. Variables aleatorias: funciones de distribución,
Más detallesResumen teórico de los principales conceptos estadísticos
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 6: Distribuciones estadísticas teóricas Resumen teórico Resumen teórico de los principales conceptos estadísticos
Más detallesEstadística con. Práctica 3: Probabilidad. Introducción. 1. Modelos discretos. M. Iniesta Universidad de Murcia
Estadística con Práctica 3: Probabilidad Introducción En esta práctica vamos a tratar con los modelos de probabilidad más comunes, puesto que ellos pueden describir la mayoría de situaciones eperimentales.
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
Más detallesTema 7. Variables Aleatorias Continuas
Presentación y Objetivos. Tema 7. Variables Aleatorias Continuas En este tema se propone el estudio de las variables aleatorias continuas más importantes, desde la más simple incrementando el grado de
Más detallesI. Distribuciones discretas
Probabilidades y Estadística (M) Funciones de densidad o probabilidad puntual, esperanzas, varianzas y funciones características de las variables aleatorias más frecuentes I. Distribuciones discretas Distribución
Más detallesMODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
Más detallesTema 3 Variables aleatorias yprincipales distribuciones
Tema 3 Variables aleatorias yprincipales distribuciones 1. Variables aleatorias. Distribuciones de probabilidad de v. a. discretas 3. Distribución de probabilidad de v. a. continuas 4. ropiedades de las
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesDistribuciones Continuas
Capítulo 5 Distribuciones Continuas Las distribuciones continuas mas comunes son: 1. Distribución Uniforme 2. Distribución Normal 3. Distribución Eponencial 4. Distribución Gamma 5. Distribución Beta 6.
Más detallesPROBABILIDAD Asignatura Clave Semestre Créditos. COORDINACIÓN DE CIENCIAS APLICADAS División Departamento Licenciatura
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO CIENCIAS BÁSICAS PROBABILIDAD Asignatura Clave Semestre Créditos COORDINACIÓN DE CIENCIAS APLICADAS División Departamento
Más detallesCuáles son las características aleatorias de la nueva variable?
Apuntes de Estadística II. Ingeniería Industrial. UCAB. Marzo 203 CLASES DE ESTADÍSTICA II CLASE 5) UNA TRANSFORMACIÓN DE DOS VARIABLES. Sea Z = g(, ) una función de las variables aleatorias e, tales que
Más detallesTema 3. Probabilidad y variables aleatorias
1 Tema 3. Probabilidad y variables aleatorias En este tema: Probabilidad: Experimentos aleatorios, espacio muestral, sucesos. Interpretaciones de la probabilidad. Propiedades de la probabilidad. Probabilidad
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesUnidad Temática 1: Unidad 3 Distribución de Probabilidad Tema 9
Unidad Temática 1: Unidad 3 Distribución de Probabilidad Tema 9 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesEsperanza Condicional
Esperanza Condicional Podemos obtener la esperanza de una distribución condicional de la misma manera que para el caso unidimensional: 129 Caso 2 v.a. discretas X e Y: Caso 2 v.a. continuas X e Y: Percentiles
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesObjetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria
Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza
Más detallesCurso Práctico de Bioestadística Con Herramientas De Excel
Curso Práctico de Bioestadística Con Herramientas De Excel Fabrizio Marcillo Morla MBA barcillo@gmail.com (593-9) 4194239 Otras Publicaciones del mismo autor en Repositorio ESPOL Fabrizio Marcillo Morla
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA NIVEL: LICENCIATURA CRÉDITOS: 9 CLAVE: ICAD24.500919 HORAS TEORÍA: 4.5 SEMESTRE: CUARTO HORAS PRÁCTICA: 0 REQUISITOS:
Más detallesCálculo de probabilidad. Tema 3: Variables aleatorias continuas
Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No.2 Nombre: Distribuciones muestrales Contetualización Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 6 Nombre: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Las variables aleatorias discretas son aquellas
Más detallesTema 3: Cálculo de Probabilidades Unidad 4: Algunas Distribuciones Notables de Variables Aleatorias
Estadística Tema 3: Cálculo de Probabilidades Unidad 4: Algunas Distribuciones Notables de Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010
Más detallescontablemente infinito.
III. Variables aleatorias Discretas y sus Distribuciones de Probabilidad 1 Variable aleatoria discreta Definición Una variable aleatoria se llama discreta si se puede contar su conjunto de resultados posibles.
Más detallesProbabilidad, Variables aleatorias y Distribuciones
Prueba de evaluación continua Grupo D 7-XII-.- Se sabe que el 90% de los fumadores llegaron a padecer cáncer de pulmón, mientras que entre los no fumadores la proporción de los que sufrieron de cáncer
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 detallesDistribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Más detalles( ) DISTRIBUCIÓN UNIFORME (o rectangular) 1 b a. para x > b DISTRIBUCIÓN DE CAUCHY. x ) DISTRIBUCIÓN EXPONENCIAL. α α 2 DISTRIBUCIÓN DE LAPLACE
Estudiamos algunos ejemplos de distribuciones de variables aleatorias continuas. De ellas merecen especial mención las derivadas de la distribución normal (χ, t de Student y F de Snedecor), por su importancia
Más detallesLECTURA 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
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesTEMA 3: Probabilidad. Modelos. Probabilidad
TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un
Más detallesDistribuciones de probabilidad con R Commander
Distribuciones de probabilidad con R Commander En el menú Distribuciones podemos seleccionar Distribuciones discretas Distribuciones continuas Las distribuciones discretas que aparecen en R Commander son
Más detallesProbabilidad, Variable Aleatoria Pag 1 de 26 PROBABILIDAD
Probabilidad, Variable Aleatoria Pag 1 de 6 PROBABILIDAD Actualmente la teoría de probabilidades desempeña un papel importante en el campo de los negocios, la investigación, específicamente en la toma
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 detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
Más detallesDistribuciones de probabilidad discretas
Lind, Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. Distribuciones de probabilidad discretas Capítulo 6 FVela/ McGraw-Hill/Irwin
Más detallesGráficas de funciones de masa de probabilidad y de función de densidad de probabilidad de Distribuciones especiales. x n
Gráficas de funciones de masa de probabilidad y de función de densidad de probabilidad de Distribuciones especiales 1. Función de distribución binomial: Si X distribuye bin ( n, p), entonces f n x x n
Más detallesAlgunas Distribuciones Estadísticas Teóricas. c) Relación entre la Distribuciones de Poisson y Exponencial.
Algunas Distribuciones Estadísticas Teóricas Distribución Continuas: a) Distribución Uniforme b) Distribución de Exponencial c) Relación entre la Distribuciones de Poisson y Exponencial. d) Distribución
Más detallesGRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD
GRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD Prof. Rosario Martínez Verdú TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD 1. Nociones básicas de teoría de la probabilidad. 2. Variable
Más detallesSabemos que en un proceso de Poisson la función de probabilidad está dada por:
DISTRIBUCIÓN DE WEIBULL Relación entre la dist eponencial y la dist de Poisson Sabemos que en un proceso de Poisson la función de probabilidad está dada por: e-! ( λt ) λt f X (, λ ) P( X = ) = Queremos
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesModelos probabilísticos
Modelos probabilísticos Variables aleatorias discretas Carlos Gamero Burón José Luis Iranzo Acosta Departamento de Economía Aplicada Universidad de Málaga Parcialmente financiado a través del PIE13-04
Más detallesProbabilidades: Variables aleatorias y distribuciones discretas de probabilidad. Estadísca Tamara Burdisso
Probabilidades: Variables aleatorias y distribuciones discretas de probabilidad Variable aleatoria Una variable aleatoria es una regla para asignar un número a todos los resultados posibles de un eperimento
Más detallesEstadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas
Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones
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 detallesBioestadística. El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numérica.
Bioestadística Tema 5: Modelos probabilísticos Variable aleatoria El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numérica. En estos casos aparece la noción de
Más detallesFamilias de distribuciones
Capítulo 2 Familias de distribuciones 2.1. Introducción Las distribuciones estadísticas son usadas para modelar poblaciones a través de un miembro de una familia de distribuciones. Cada familia se encuentra
Más detallesTema 5. MODELOS DE DISTRIBUCIONES CONTINUOS.
Estadística Tema 5 Curso 6/7 Tema 5. MODELOS DE DISTRIBUCIONES CONTINUOS. Objetivos Conceptos: Conocer los siguientes modelos continuos de probabilidad: uniforme, normal, eponencial, gamma y Pareto. De
Más detallesVARIABLES ALEATORIAS
VARIABLES ALEATORIAS Ejemplo: lanzar dos dados y sumar lo que sale en las dos caras. El espacio muestral está formado por los 36 resultados posibles (de lanzar los dados) Y el resultado del experimento
Más detallesCORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN DEPARTAMENTO DE CIENCIAS BASICAS: MATEMATICAS
CORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN DEPARTAMENTO DE CIENCIAS BASICAS: MATEMATICAS ACTIVIDAD ACADEMICA: ESTADISTICA DE LA PROBABILIDAD DOCENTE: LIC- ING: ROSMIRO FUENTES ROCHA UNIDAD
Más detallesFacultad 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
Más detallesDistribución binomial
Distribución binomial Cuando la Distribución de Benoulli se preguntaba Que pasara si sucede un único evento? la binomial esta asociada a la pregunta " Cuantas veces hay que realizar la prueba para que
Más 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 detallesPRINCIPIOS ESTADÍSTICOS APLICADOS EN CONTROL DE CALIDAD
UNIDAD II PRINCIPIOS ESTADÍSTICOS APLICADOS EN CONTROL DE CALIDAD Por: Prof. Gastón A. Pérez U. 2.3- PROBABILIDAD Y DISTRIBUCIÓN DE PROBABILIDAD 30 31 (2.3.2) DISTRIBUCIÓN DE PROBABILIDAD ES UNA DESCRIPCIÓN
Más detallesCAPÍTULO 6: VARIABLES ALEATORIAS
Página 1 de 11 CAPÍTULO 6: VARIABLES ALEATORIAS En el capítulo 4, de estadística descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y en el capítulo 5 se trataron los fundamentos
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 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 detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Definición de una V.A.C. Definición de una V.A.C.
Más detallesProbabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, Examen de la convocatoria extraordinaria,
Probabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, 2014-2015 Examen de la convocatoria extraordinaria, 22-6-2015 Nombre y apellidos.......................................................................
Más detallesETSI de Topografía, Geodesia y Cartografía
Disttool Es una herramienta de MATLAB que permite visualizar de forma gráfica las características de cada distribución con la posibilidad de variar sus parámetros. Las funciones que muestra son: Función
Más detallesDistribuciones Probabilísticas. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Distribuciones Probabilísticas Curso de Estadística TAE,005 J.J. Gómez Cadenas Distribución Binomial Considerar N observaciones independientes tales que: El resultado de cada experimento es acierto o fallo
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesFórmulas, Resultados y Tablas Cálculo de Probabilidades y Estadística Matemática
DEPARTAMENT D ESTADÍSTICA I INVESTIGACIÓ OPERATIVA Fórmulas, Resultados y Tablas Cálculo de Probabilidades y Estadística Matemática A. Distribuciones de variables aleatorias. 1. Descripción de una distribución
Más detalles