Cartilla 2 Solución Unidad 5: Distribuciones de funciones de variables aleatorias

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Cartilla 2 Solución Unidad 5: Distribuciones de funciones de variables aleatorias"

Transcripción

1 Cartilla Solución Unidad 5: Distribuciones de funciones de variables aleatorias a P(X b P(Y0 X / c La variables no son independientes dado que, por ejemplo: P(X0., Y30 0 es distinto a P(X0..P(Y a c b P(X< x x c f (x e ( e x 0 X > y e y>0 fy(y El valor de la densidad conjunta para el par (, es , en cambio el producto de las densidades marginales en estos mismos valores es Por lo tanto no son independientes. 3 a E(XY E(XY/3 b f X (x x 0.5 x f Y (y.5 y 0 y El valor de la densidad conjunta en el punto (, es en cambio el producto de funciones de densidad marginales es 0.75, por lo tanto no son independientes las variables. c cov(x,ye(xy-e(xe(y/3-(9/(5//.0069 Cov (axb, cyd E[(aXb- E(aXb ][(cyd-e(cyd] E[( ax b - a E(X b (cy d - c E(Y d] ac E[(X - E(X(Y - E(Y] ac Cov (X,Y 5 Y ax b Cov(X, Y E[X(aX b]- E(XE(aX b ae(x ρ (X, Y σ σ σx a σx x y [ ] a E(X - (E(X a σ luego ρ ( X,Y X a a 6 Xi Consumo semanal de cada cliente,,, 5 Xi N(30,5 Y 5 X i be(x - a N(750, 5 por eorema de las Combinaciones Lineales P(Y> φ( 0.03 a σ [ E(X ] X be(x La probabilidad de que en una semana el proveedor se quede sin combustible es 0.03.

2 7 X Contenido de maíz de cada lata,,,5 Xi N (60, 5 X n 5 X i i N(60, 5/ 5 por eorema de las Combinaciones Lineales -P(< X <80-[φ(.98 - φ(-.98]-φ( El 0.3% de las veces diremos que el proceso no está funcionando correctamente. 8 X Cantidad de pacientes que se recuperan de cierta enfermedad X b(00, 0. Puesto que np(-p > 5 se puede aproximar a una distribución Normal con media y desvío estándar por eorema Central del Límite P(X<30 P(X< 9.5 φ(-.]-φ(.] 0.06 La probabilidad de que menos de 30 pacientes se recuperen es X Cantidad de clientes que llegan por hora a ciertas instalaciones de servicio automotriz X P(5 Y Cantidad de clientes que llegan en horas a ciertas instalaciones de servicio automotriz Y P(60 Puesto que λ > 5 puedo aproximar por una distribución Normal con media 60 y desvío estándar 60 P(30<X<70 P(30.5<X< 69.5 φ(.3- φ(-3.8 φ(.3- [- φ(3.8] La probabilidad de en un período de horas lleguen entre 30 y 70 clientes es a X Cantidad de personas que contraen una infección respiratoria X b(600, 0.00 Como np. > y p0.00 < 0., puedo aproximar por una distribución de Poisson con λ.. e. P(X 0. 7 b X Cantidad de personas que contraen una infección respiratoria X b(5000, 0.00 Puesto que np(-p9.98 >5 puedo aproximar por una distribución Normal con media 0 y desvío estándar por eorema Central del Límite. P(X>0P(X>0.5 -φ(0.60. La probabilidad de que más de diez personas contraigan la enfermedad es 0. ax Medición de la gravedad específica de cierto cuerpo E(Xx σ X 0.05 Por eorema Central del Límite X N(x, 0.05/5 P( X x < 0. 0 φ( La probabilidad aproximada de que el promedio difiera de la verdadera gravedad del cuerpo en menos de 0.0 unidades es b P( X x <

3 0.0 P(-0.0< X - x < 0.0 P < Z < 0.05 n φ ( 0. n φ ( 0. n n n 96.0 Se necesitan al menos 97 mediciones. 0.0 φ ( 0. n -[-φ ( 0. n ] 0.05 n P( X - < kσ Por desigualdad de Chebycshev P X < n k k k 0 k k kσ kσ k σ 0.0 n n 500 n 500 n Se necesitan al menos 500 mediciones. 3 a Llamaremos e i al error de redondeo de cada número a la decena. e i U [ 5,5] E (e i ( 5 5 / 0; V ( e i ( 5 5 / El error total, al sumar los 00 números, es la suma de los errores de cada uno. 00 e con esperanza e i Los e i se suponen independientes, entonces: V(e V( ei V(ei / σe 8.87 e N (0, 8.87 por eorema Central del Límite E(e E( e i E(e i 0 0 b Si por cada número se puede cometer error máximo de 5, entonces el valor máximo que puede tomar el error de la suma de 00 números es 5*00. Es decir: el valor máximo que puede tomar es 500 y el valor mínimo es 500. c P ( -c < e < c 0.99 c e P < < z c 8.87 c c φ(z φ( z 0.99 φ(z 0.995

4 Si usamos la distribución de probabilidades con la que modelamos el error ganamos mucho, es decir con una probabilidad de 0.99 sabemos que el error está entre 7.8 y 7.8; en cambio, sin hacer uso de esto, decimos que el error está entre 500 y 500. d Bosquejo de la densidad de probabilidad del error de cada sumando y de la suma a e i U( 0., 0.] E(e i 0; V(e i 0. / 00 e E(e 0 0 e i 00 Los e i se suponen independientes, entonces: V(e V(ei 00 σe e N (0, por eorema Central del Límite b e i U( 0., 0] E(e i 0.05; V(e i 0. / 00 e E(e ( * ( e i V(e V(ei 00 σe 0.89 e N ( 5, 0.89 por eorema Central del Límite.

5 Bosquejo de la densidad de probabilidad del error de cada sumando y de la suma 5 a P I I 3A σ I 0.75A P I 8 I ( I - I E(P *3 36 V( P ( 8 I σ I 3 σ P 8 b Error relativo de P σ/ W MV / M V V a W (M M M V (V v E(W M V Como las variables M y F son independientes. V V(W σm ( M V σ v Luego error relativo de W V σ M M ( V M V σ v σm σ error relativo de W v V 0. M

6 b Por desarrollo en series de aylor y por eorema de Combinaciones Lineales W N( W,σ W 7 ( ( E( V( V( V( σ 0.33

Elementos de Probabilidad y Estadística Segundo de Economía Examen del 26 de junio de 2006 DURACIÓN: 2 horas

Elementos de Probabilidad y Estadística Segundo de Economía Examen del 26 de junio de 2006 DURACIÓN: 2 horas Elementos de Probabilidad y Estadística Segundo de Economía Examen del 6 de junio de 6 DURACIÓN: horas. a) Se realizan lanzamientos de un dado regular. i) Calcular la probabilidad de obtener exactamente

Más detalles

Vectores aleatorios. Estadística I curso 2008 2009

Vectores aleatorios. Estadística I curso 2008 2009 Vectores aleatorios Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 En numerosas ocasiones estudiamos más de una variable asociada a

Más detalles

9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES

9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES 9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES Objetivo Introducir la idea de la distribución conjunta de dos variables discretas. Generalizar las ideas del tema 2. Introducir la distribución normal

Más detalles

Ingeniería Técnica Industrial, todas especialidades. Ingeniería Técnica Telecomunicaciones, Telemática Problemas de examenes

Ingeniería Técnica Industrial, todas especialidades. Ingeniería Técnica Telecomunicaciones, Telemática Problemas de examenes Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Métodos estadísticos de la ingeniería, Estadística Problemas de examenes: Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

Teoría de Probabilidad

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

Más detalles

Tema 5: Vectores aleatorios bidimensionales.

Tema 5: Vectores aleatorios bidimensionales. Estadística 52 Tema 5: Vectores aleatorios bidimensionales. Hasta ahora hemos estudiado las variables aleatorias unidimensionales, es decir, los valores de una característica aleatoria. En muchos casos,

Más detalles

Variables aleatorias. Función de distribución y características asociadas

Variables aleatorias. Función de distribución y características asociadas Índice 3 Variables aleatorias. Función de distribución y características asociadas 3.1 3.1 Introducción.......................................... 3.1 3.2 Concepto de variable aleatoria................................

Más detalles

Tema 4: Variables aleatorias multidimensionales

Tema 4: Variables aleatorias multidimensionales 1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica

Más detalles

PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS

PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS Grupos P y P (Prof. Ledesma) Problemas. Variables aleatorias..- Sea la v.a. X que toma los valores - y con probabilidades, y, respectivamente y

Más detalles

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde Soluciones de la relación del Tema 6. 1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B1, p), donde p = P X = 1) = P la persona presente síntomas)

Más detalles

Tema 4: Variables aleatorias multidimensionales

Tema 4: Variables aleatorias multidimensionales Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia

Más detalles

Análisis de procesos estocásticos en el dominio del tiempo

Análisis de procesos estocásticos en el dominio del tiempo Análisis de procesos estocásticos en el dominio del tiempo F. Javier Cara ETSII-UPM Curso 2012-2013 1 Contenido Introducción Procesos estocásticos Variables aleatorias Una variable aleatoria Dos variables

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA PROBABILIDAD Y ESTADÍSTICA GUÍA 3: VARIABLES ALEATORIAS DISCRETAS Y DISTRIBUCIONES DE PROBABILIDAD Plan Común de Ingeniería 1.

Más detalles

Lista provisional de becas de comedores, por colegios

Lista provisional de becas de comedores, por colegios 1-3601 - 75 % 3 EP 2-3602 - 75 % 3 EI 3-3603 - 100 % 3 EP 4-3604 - 75 % 3 EP 5-3605 - 90 % 3 EP 6-3606 - 100 % 2 EI 7-3607 - 100 % 3 EI 8-3608 - 100 % 4 EP 9-3609 - 100 % 3 EI 10-3610 - 100 % 6 EP 11-3611

Más detalles

Distribuciones de probabilidad conjunta y muestras aleatorias

Distribuciones de probabilidad conjunta y muestras aleatorias 5 Distribuciones de probabilidad conjunta y muestras aleatorias INTRODUCCIÓN En los capítulos 3 y 4 se estudiaron modelos de probabilidad para una sola variable aleatoria. Muchos problemas de probabilidad

Más detalles

Conceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas

Conceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Conceptos Fundamentales Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Análisis de datos en física de partículas Experimento en física de partículas: Observación de n sucesos de un cierto tipo (colisiones

Más detalles

Formulario y Tablas de Probabilidad para el Curso de Estadística II

Formulario y Tablas de Probabilidad para el Curso de Estadística II Formulario y Tablas de Probabilidad para el Curso de Estadística II Ernesto Barrios Zamudio 1 José Ángel García Pérez2 Departamento Académico de Estadística Instituto Tecnológico Autónomo de México Octubre

Más detalles

Problemas. Variables Aleatorias. Modelos de Probabilidad

Problemas. Variables Aleatorias. Modelos de Probabilidad Problemas. Variables Aleatorias. Modelos de Probabilidad Ejemplos resueltos y propuestos Variables Aleatorias Discretas Una variable aleatoria discreta X de valores x 1, x 2,..., x k con función de probabilidad

Más detalles

x i x, y j y f X,Y (x, y) dx dy {X x, Y y} a F X (a) = lím F X,Y (a, b) = f X (x) = f X,Y (x, y) dy. y x F X,Y (x, y) = f X,Y (x, y),

x i x, y j y f X,Y (x, y) dx dy {X x, Y y} a F X (a) = lím F X,Y (a, b) = f X (x) = f X,Y (x, y) dy. y x F X,Y (x, y) = f X,Y (x, y), TEMA 3 3.1 La distribución conjunta de dos (o más) variables. Veamos las definiciones básicas, en el caso de dos v.a.s X, Y sobre un mismo espacio de probabilidad (Ω, F, P). Definiciones: 1) La función

Más detalles

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 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...............................................................

Más detalles

1. Conceptos de teoría de la probabilidad

1. Conceptos de teoría de la probabilidad Master de Investigación en Economía Aplicada. Métodos Cuantitativos II. 9-. G.García.. Conceptos de teoría de la probabilidad Espacios de probabilidad. Establece el espacio de probabilidad asociado al

Más detalles

Tema 3. Variables aleatorias. Inferencia estadística

Tema 3. Variables aleatorias. Inferencia estadística Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 3. Variables aleatorias. Inferencia estadística 1. Introducción 1 2. Variables aleatorias 1 2.1. Variable

Más detalles

NOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA

NOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA NOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA A NTONIO F ERNÁNDEZ M ORALES MÁLAGA, 2006 Nociones Básicas de Estadística Actuarial Vida Antonio Fernández Morales Málaga, 2006 Nociones Básicas de Estadística

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA SEGUNDA PRUEBA PARCIAL Profesor: Hugo S. Salinas. Primer Semestre 2009 1. Resolver los siguientes

Más detalles

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Páginas 74-75 Lanzamiento de varios dados Comprobación de que: Desviación típica de n dados = (Desv. típica para un dado) / 1,71 n = 1,1 1,71 n = 3 0,98

Más detalles

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos

Más detalles

Maestría en Bioinformática Probabilidad y Estadística: Clase 3

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

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o 2 Profesor: Hugo S. Salinas. Primer Semestre 20. El gerente

Más detalles

Relación de problemas: Variables aleatorias

Relación de problemas: Variables aleatorias Estadística y modelización. Ingeniero Técnico en Diseño Industrial. Relación de problemas: Variables aleatorias 1. Se lanza tres veces una moneda y se observa el número de caras. (a) Calcula la distribución

Más detalles

Introducción a la Econometría

Introducción a la Econometría Introducción a la Econometría Curso 2009/2010 Seriedeproblemas1 1.- Considere la siguiente distribución de probabilidad: Llueve (X=0) No llueve (X=1) Total Tiempo de viaje largo (Y=0) 0.15 0.07 0.22 Tiempo

Más detalles

Universidad del País Vasco

Universidad del País Vasco Universidad del País Vasco eman ta zabal zazu Euskal Herriko Unibertsitatea INSTRUCCIONES. El examen consta de 50 cuestiones. Hay una única respuesta correcta para cada cuestión. Las cuestiones respondidas

Más detalles

TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS

TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS 4.1 Distribución binomial 4.1.1 Definición. Ejemplos 4.1.2 La media y la varianza 4.1.3 Uso de tablas 4.1.4 Aditividad 4.2 Distribución de Poisson 4.2.1 Definición.

Más detalles

Estadística aplicada y modelización. 10 de septiembre de 2005

Estadística aplicada y modelización. 10 de septiembre de 2005 Estadística aplicada y modelización. 10 de septiembre de 005 SOLUCIÓN MODELO A 1. Una persona se está preparando para obtener el carnet de conducir, repitiendo un test de 0 preguntas. En la siguiente tabla

Más detalles

Curso de Probabilidad y Estadística

Curso de Probabilidad y Estadística Curso de Probabilidad y Estadística Temas: (1) Introducción, (2) Probabilidad y (3) Distribuciones y Densidades de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana

Más detalles

SIMULACIÓN MCMC. Dr. Holger Capa Santos

SIMULACIÓN MCMC. Dr. Holger Capa Santos SIMULACIÓN MCMC Dr. Holger Capa Santos Septiembre, 2009 CONTENIDO Integración Montecarlo Problema con la Integración Montecarlo Muestreo de Importancia Algoritmos de Metropolis y Metropolis-Hastings Muestreador

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Grado en Ingeniería Informática Tema 5 Esperanza y momentos Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

Tema 5: Análisis conjunto y teoremas límite

Tema 5: Análisis conjunto y teoremas límite Facultad de Economía y Empresa 1 Tema 5: Análisis conjunto y teoremas límite COCHES Se han analizado conjuntamente las variables número de hijos de cada familia (X) y número de coches por familia (Y),

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística ( ) x n P(X x) = p i (1 p) n i i σ 2 X i=0 µ X = np = np(1 p) Variables Aleatorias Discretas y algunas Distribuciones de Probabilidad Raúl D. Katz Pablo A. Sabatinelli 2013 Índice

Más detalles

Métodos generales de generación de variables aleatorias

Métodos generales de generación de variables aleatorias Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad

Más detalles

TEMA 3 REGRESIÓN Y CORRELACIÓN

TEMA 3 REGRESIÓN Y CORRELACIÓN TEMA 3 REGRESIÓN Y CORRELACIÓN Regresión mínimo-cuadrática bidimensional Planteamiento del problema Dadas dos variables aleatorias X e Y definidas sobre un mismo espacio de probabilidad (asociadas a un

Más detalles

Vectores Aleatorios. Definición 1.1. Diremos que el par (X,Y) es un vector aleatorio si X e Y representan variables aleatorias

Vectores Aleatorios. Definición 1.1. Diremos que el par (X,Y) es un vector aleatorio si X e Y representan variables aleatorias Universidad de Chile Facultad De Ciencias Físicas y Matemáticas MA3403 - Probabilidades y Estadística Prof. Auxiliar: Alberto Vera Azócar. albvera@ing.uchile.cl Vectores Aleatorios 1. Vectores Aleatorios

Más detalles

1.1. Operaciones básicas: complemento, unión e intersección... 7 1.2. Variable aleatoria X... 10

1.1. Operaciones básicas: complemento, unión e intersección... 7 1.2. Variable aleatoria X... 10 Índice general 1. Estadística y Procesos Estocásticos 7 1.1. Introducción a la estadística..................... 7 1.1.1. Axiomas de la probabilidad................. 7 1.1.2. Probabilidad condicional e

Más detalles

Variables Parcialmente Continuas. Walter Sosa Escudero. wsosa@udesa.edu.ar Universidad de San Andr es

Variables Parcialmente Continuas. Walter Sosa Escudero. wsosa@udesa.edu.ar Universidad de San Andr es Variables Parcialmente Continuas Walter Sosa Escudero wsosa@udesa.edu.ar Universidad de San Andr es 1 Introduccion ² Variables aleatorias discretas: los valores del soporte pueden ocurrir con probabilidad

Más detalles

Explicación de la tarea 3 Felipe Guerra

Explicación de la tarea 3 Felipe Guerra Explicación de la tarea 3 Felipe Guerra 1. Una ruleta legal tiene los números del 1 al 15. Este problema corresponde a una variable aleatoria discreta. La lectura de la semana menciona lo siguiente: La

Más detalles

PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA

PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA Problema 1 PROBLEMAS DE PROBABILIDADES Y ESTADÍSTICA Hoja 2 Una población de 20 animales insectívoros se introduce en una zona donde el 14% de los insectos que le sirven de alimento son venenosos. Cada

Más detalles

ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS

ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS DESCRIPCIÓN DEL TEMA: 10.1. Introducción. 10.2. Método de las transformaciones. 10.3. Método de inversión. 10.4. Método de aceptación-rechazo.

Más detalles

Distribuciones de probabilidad bidimensionales o conjuntas

Distribuciones de probabilidad bidimensionales o conjuntas Distribuciones de probabilidad bidimensionales o conjuntas Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma semejante al caso unidimensional. Para el caso

Más detalles

TEMA 2: DISTRIBUCIONES DE PROBABILIDAD

TEMA 2: DISTRIBUCIONES DE PROBABILIDAD ESTADÍSTICA, CURSO 008 009 TEMA : DISTRIBUCIONES DE PROBABILIDAD LEYES DE PROBABILIDAD. SUCESOS ALEATORIOS Experimetos aleatorios, espacio muestral. Sucesos elemetales y compuestos. Suceso imposible Ø,

Más detalles

En una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10).

En una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10). MODELOS DE PROBABILIDAD En una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10). (a) Si tomamos dos manzanos al azar, cuál

Más detalles

HERRAMIENTAS Y DECISIONES BAJO RIESGO

HERRAMIENTAS Y DECISIONES BAJO RIESGO INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO HERRAMIENTAS Y DECISIONES BAJO RIESGO M. En C. Eduardo Bustos Farías as 1 Las Decisiones en el Mundo Real Características: Múltiples objetivos

Más detalles

Ejercicios distribuciones discretas probabilidad

Ejercicios distribuciones discretas probabilidad Ejercicios distribuciones discretas probabilidad 1. Una máquina que produce cierta clase de piezas no está bien ajustada. Un porcentaje del 4.2% de las piezas están fuera de tolerancias, por lo que resultan

Más detalles

CAPITULO VII VARIABLE ALEATORIA

CAPITULO VII VARIABLE ALEATORIA Variable Aleatoia 65 CAPITULO VII VARIABLE ALEATORIA Definición. Una variable aleatoria es una función X que asigna un número real a cada elemento de un espacio muestral "Ω". Las variables aleatorias pueden

Más detalles

Relación de problemas: Distribuciones de probabilidad

Relación de problemas: Distribuciones de probabilidad Estadística y modelización. Ingeniero Técnico en Diseño Industrial. Relación de problemas: Distribuciones de probabilidad 1. Un jugador de dardos da justo en la diana 2 de cada cinco veces que lanza. Si

Más detalles

Departamento de Matemática Aplicada a la I.T. de Telecomunicación

Departamento de Matemática Aplicada a la I.T. de Telecomunicación Departamento de Matemática Aplicada a la I.T. de Telecomunicación EXAMEN RESUELTO DE ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO / FECHA: de Enero de Duración del examen: 3 horas Fecha publicación

Más detalles

Tema 2: Estimación puntual

Tema 2: Estimación puntual Tema 2: Estimación puntual 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: estimador y estimación Insesgadez

Más detalles

Tablas de Probabilidades

Tablas de Probabilidades Tablas de Probabilidades Ernesto Barrios Zamudio José Ángel García Pérez José Matuk Villazón Departamento Académico de Estadística Instituto Tecnológico Autónomo de México Mayo 2016 Versión 1.00 1 Barrios

Más detalles

8. Estimación puntual

8. Estimación puntual 8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores

Más detalles

El valor esperado de una variable aleatoria discreta se representa de la siguiente manera:

El valor esperado de una variable aleatoria discreta se representa de la siguiente manera: INTRODUCCIÓN AL VALOR ESPERADO Y VARIANZA (5 MINUTOS) Cuando nos hablan del promedio de que ocurra un evento, cómo sabemos con certeza qué tan cerca estamos de alcanzar ese promedio? Esta pregunta nos

Más detalles

Tema 1: Test de Distribuciones de Probabilidad

Tema 1: Test de Distribuciones de Probabilidad Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).

Más detalles

Tema 2 - Introducción

Tema 2 - Introducción Tema 2 - Introducción 1 Tema 1. Introducción a la inferencia estadística Planteamientos y objetivos. Revisión de distribuciones multivariantes. Esperanza y varianza de sumas de v.a. independientes. Tema

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias Distribución conjunta de variables aleatorias En muchos problemas prácticos, en el mismo experimento aleatorio, interesa estudiar no sólo una variable aleatoria sino dos o más. Por ejemplo: Ejemplo 1:

Más detalles

100 Preguntas Test Probabilidad Combinatoria y Variables Aleatorias 1-DIM

100 Preguntas Test Probabilidad Combinatoria y Variables Aleatorias 1-DIM Preguntas Test Probabilidad Combinatoria y Variables Aleatorias -DIM M.A. Fiol Departament de Matemàtica Aplicada IV Universitat Politècnica de Catalunya email: fiol@mat.upc.es webpage: www-ma4.upc.es/~fiol

Más detalles

Tema 1. Inferencia estadística para una población

Tema 1. Inferencia estadística para una población Tema 1. Inferencia estadística para una población Contenidos Inferencia estadística Estimadores puntuales Estimación de la media y la varianza de una población Estimación de la media de la población mediante

Más detalles

Álgebra Lineal Taller N o 2 con Matlab

Álgebra Lineal Taller N o 2 con Matlab Álgebra Lineal Taller N o con Matlab Tema: Introducción a las transformaciones lineales. Determinantes. Valores y vectores propios de matrices de orden n:diagonaliación de matrices de orden n. plicación

Más detalles

MA2006 - Tarea No 7. Departamento de Matemáticas, CCIR/ITESM. 19 de febrero de 2011

MA2006 - Tarea No 7. Departamento de Matemáticas, CCIR/ITESM. 19 de febrero de 2011 MA2006 - Tarea No 7 Departamento de Matemáticas, CCIR/ITESM 19 de febrero de 2011 1. En un taller de servicio especializado en afinaciones se sabe que 45 % de todas se hacen a motores de 4 cilindros, 40

Más detalles

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Suponga que, conversando con su cuate, surge la idea de hacer una apuesta simple. Cada uno escoge decir cara ó sello. Se lanza una moneda al aire, y si sale cara, quien dijo sello le paga a quien dijo

Más detalles

Capítulo 9. Regresión lineal simple

Capítulo 9. Regresión lineal simple Capítulo 9. Regresión lineal simple 9.1 Introducción Uno de los aspectos más relevantes de la Estadística es el análisis de la relación o dependencia entre variables. Frecuentemente resulta de interés

Más detalles

M.I. Isidro Ignacio Lázaro Castillo

M.I. Isidro Ignacio Lázaro Castillo UNIDAD 3 Muestreo CURSO DE ESTADÍSTICA M.I. Isidro Ignacio Lázaro Castillo ESTADÍSTICA La estadística se considera un método empleado para: Recoger Organizar Analizar Y contrastar los resultados numéricos

Más detalles

Métodos de solución de ED de primer orden

Métodos de solución de ED de primer orden CAPÍTULO Métodos de solución de ED de primer orden.3 Ecuaciones diferenciales lineales Las ecuaciones diferenciales ordinarias de primer orden pueden ser lineales o no lineales. En esta sección centraremos

Más detalles

Variables aleatorias continuas y distribuciones de probabilidad

Variables aleatorias continuas y distribuciones de probabilidad 4 Variables aleatorias continuas y distribuciones de probabilidad INTRODUCCIÓN El capítulo 3 se concentró en el desarrollo de distribuciones de probabilidad de variables aleatorias discretas. En este capítulo

Más detalles

Clase 7: Algunas Distribuciones Continuas de Probabilidad

Clase 7: Algunas Distribuciones Continuas de Probabilidad Clase 7: Algunas Distribuciones Continuas de Probabilidad Distribución Uniforme Continua Una de las distribuciones continuas más simples en Estadística es la Distribución Uniforme Continua. Esta se caracteriza

Más detalles

Integración por el método de Monte Carlo

Integración por el método de Monte Carlo Integración por el método de Monte Carlo Georgina Flesia FaMAF 7 de abril 2015 El método de Monte Carlo El método de Monte Carlo es un procedimiento general para estudiar procesos mediante la seleccion

Más detalles

Alvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012

Alvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012 Contenido Motivación Métodos computacionales Integración de Montecarlo Muestreo de Gibbs Rejection Muestreo Importante Metropolis - Hasting Markov Chain Montecarlo Method Complemento ejemplos libro: Bayesian

Más detalles

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 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

Más detalles

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Variables Aleatorias Una variable aleatoria es una función que asocia un número real con cada elemento del EM. Ejemplo 1: El EM que da una

Más detalles

Problemas resueltos por los alumnos

Problemas resueltos por los alumnos Problemas resueltos por los alumnos 1. Una empresa fabrica bombillas blancas de bajo consumo cuya duración media es de 10 años, pero algunas de ellas son defectuosas y tienen una vida media de 1 año. Se

Más detalles

Capítulo 6: Variable Aleatoria Bidimensional

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

Más detalles

Variables aleatorias bidimensionales discretas

Variables aleatorias bidimensionales discretas Universidad de San Carlos de Guatemala Facultad de Ingeniería Área de Estadística VARIABLES ALEATORIAS BIDIMENSIONALES Concepto: Sean X e Y variables aleatorias. Una variable aleatoria bidimensional (X,

Más detalles

1.- CONCEPTO DE ESTADÍSTICA 2.- TABLA ESTADÍSTICA Y PARÁMETROS ESTADÍSTICOS

1.- CONCEPTO DE ESTADÍSTICA 2.- TABLA ESTADÍSTICA Y PARÁMETROS ESTADÍSTICOS TEMA 6.- ESTADÍSTICA 1.- CONCEPTO DE ESTADÍSTICA Considera el conjunto formado por todos los alumnos del instituto. Supongamos que queremos estudiar, por ejemplo, el color del pelo, la estatura ó el nº

Más detalles

Problemas de Probabilidad resueltos.

Problemas de Probabilidad resueltos. Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose

Más detalles

EJERCICIOS RESUELTOS TEMA 3

EJERCICIOS RESUELTOS TEMA 3 EJERCICIOS RESUELTOS TEMA 3 Observación: En todos los ejercicios se ha puesto A, como notación de contrario de A. Ejercicio nº 1.- En una urna hay 15 bolas numeradas de 2 al 16. Extraemos una bola al azar

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. Sean A y B dos sucesos y A, B sus complementarios. Si se verifica que p( B) = 2 / 3, p( A B) = 3 / 4 y p( A B) = 1/ 4, hallar: p( A), p( A B), y la probabilidad condicionada

Más detalles

DESCRIPCIÓN ESPECÍFICA

DESCRIPCIÓN ESPECÍFICA DESCRIPCIÓN ESPECÍFICA NÚCLEO: COMERCIO Y SERVICIO SUBSECTOR: PRODUCCION Y SALUD OCUPACIONAL Nombre del Módulo: Análisis estadístico de datos. total: 45 HORAS. Objetivo General: Analizar la conformidad

Más detalles

Estimación de la densidad

Estimación de la densidad 23 de marzo de 2009 : histograma Si suponemos que F tiene función de densidad f puede ser útil estimarla. Un estimador muy utilizado es el histograma. Dado un origen x 0 y un ancho h > 0 el histograma

Más detalles

Academia de Matemáticas. Apuntes para la Materia de Estadística II. Guía Básica para el Estudio de la Estadística Inferencial.

Academia de Matemáticas. Apuntes para la Materia de Estadística II. Guía Básica para el Estudio de la Estadística Inferencial. UNIVERSIDAD MICHOACANA DE SAN NICOLÁS DE HIDALGO Facultad de Contaduría y Ciencias Administrativas Academia de Matemáticas Apuntes para la Materia de Estadística II Guía Básica para el Estudio de la Estadística

Más detalles

Números aleatorios. Contenidos

Números aleatorios. Contenidos Números aleatorios. Contenidos 1. Descripción estadística de datos. 2. Generación de números aleatorios Números aleatorios con distribución uniforme. Números aleatorios con otras distribuciones. Método

Más detalles

Problemas resueltos del Tema 3.

Problemas resueltos del Tema 3. Terma 3. Distribuciones. 9 Problemas resueltos del Tema 3. 3.1- Si un estudiante responde al azar a un examen de 8 preguntas de verdadero o falso Cual es la probabilidad de que acierte 4? Cual es la probabilidad

Más detalles

Unidad 4: Variables aleatorias

Unidad 4: Variables aleatorias Unidad 4: Variables aleatorias Logro de la unidad 4 Al finalizar la unidad 4, el alumno aplica el concepto de variable aleatoria, valor esperado y probabilidad para la toma de decisiones en un trabajo

Más detalles

Tema 2: Magnitudes aleatorias

Tema 2: Magnitudes aleatorias Facultad de Economía y Empresa 1 Prácticas Tema.- Magnitudes aleatorias Tema : Magnitudes aleatorias DEMANDA La demanda de cierto artículo es una variable aleatoria con la siguiente distribución: Número

Más detalles

Cálculo de Probabilidades II Preguntas Tema 1

Cálculo de Probabilidades II Preguntas Tema 1 Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga

Más detalles

Guía para el estudio de la segunda Unidad. Dr. Jorge Martín Dr. José Antonio Carrillo

Guía para el estudio de la segunda Unidad. Dr. Jorge Martín Dr. José Antonio Carrillo Guía para el estudio de la segunda Unidad didáctica Dr. Víctor Hernández Dr. Jorge Martín Dr. José Antonio Carrillo 18 de marzo de 2011 Índice general Donald Erwin Knuth 5 Recomendaciones para el estudio

Más detalles

Muestreo estadístico. Relación 2 Curso 2007-2008

Muestreo estadístico. Relación 2 Curso 2007-2008 Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los

Más detalles

T.1 CONVERGENCIA Y TEOREMAS LÍMITE

T.1 CONVERGENCIA Y TEOREMAS LÍMITE T.1 CONVERGENCIA Y TEOREMAS LÍMITE 1. CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIA CONVERGENCIA CASI-SEGURA CONVERGENCIA EN PROBABILIDAD CONVERGENCIA EN MEDIA CUADRÁTICA CONVERGENCIA EN LEY ( O DISTRIBUCIÓN)

Más detalles

Tema 3: Función de Variable Aleatoria y Teoremas Asintóticos

Tema 3: Función de Variable Aleatoria y Teoremas Asintóticos Tema 3: Función de Variable Aleatoria y Teoremas Asintóticos Curso 2016-2017 Contenido 1 Función de una Variable Aleatoria 2 Cálculo de la fdp 3 Generación de Números Aleatorios 4 Momentos de una Variable

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

Distribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema:

Distribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema: Distribuciones Multivariantes Distribuciones Multivariantes Distribución conjunta de un vector aleatorio Objetivos del tema: Distribuciones marginales y condicionadas Al final del tema el alumno será capaz

Más detalles

Puede dar pérdida un Casino?

Puede dar pérdida un Casino? Puede dar pérdida un Casino? por Ernesto Mordecki En esta nota calculamos la probabilidad de que pierda la banca en la ruleta, en un período dado de tiempo. uestro enfoque consiste en determinar cuantas

Más detalles

12 Las distribuciones binomial y normal

12 Las distribuciones binomial y normal Las distribuciones binomial y normal ACTIVIDADES INICIALES.I. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:

Más detalles

Estadística. 1. Cuántos números impares hay de cinco cifras? (Respuesta: 45000)

Estadística. 1. Cuántos números impares hay de cinco cifras? (Respuesta: 45000) 1. Cuántos números impares hay de cinco cifras? (Respuesta: 45000) 2. De cuántas maneras distintas se pueden ordenar en fila 8 personas? (Respuesta: 40320) 3. De cuántas maneras distintas se pueden repartir

Más detalles