SEÑALES Y SISTEMAS Clase 5
|
|
- Monica Vázquez Cárdenas
- hace 5 años
- Vistas:
Transcripción
1 SEÑALES Y SISTEMAS Clase 5 Carlos H. Muravchik 15 de Marzo de / 43 Habíamos visto: Repaso Probabilidades (sobrevuelo) Veremos: 1. Repaso Probabilidades 2. Repaso Variables aleatorias. Distribuciones. Propiedades. 3. Repaso Esperanza. Propiedades. 4. Repaso Algunas distribuciones y densidades continuas y discretas. 5. Repaso Función de variable aleatoria. 6. Repaso Momentos, función característica. 7. Distribución y densidad conjunta. Luego: Distribución Condicional. Procesos Estocásticos. Introducción, realizaciones Ejemplos. 3 / 43
2 Repaso de probabilidades 1 Ω: conjunto universal o colección de los resultados del experimento aleatorio (salidas ω i Ω). A, B o A k, k = 0, 1, 2...: eventos o colecciones de salidas de interés. A: colección de todos los posibles eventos A k A. A es una sigma-álgebra: mínimo conjunto que contiene todos los posibles eventos formables por unión, intersección o complemento una cantidad denumerable de veces. Axiomas: 1. 0 P{A} 1 2. P{Ω} = 1 (y P{ } = 0) 3. A, B disjuntos (A B = ) entonces P{A B} = P{A} + P{B}. Se extiende a un número infinito (contable) de eventos (versión 3b del axioma). 5 / 43 Repaso de probabilidades 2 Probabilidad condicional: P{A/B} = P{A B} P{B}, cuando P{B} 0. Interpretación de frecuencia. Independencia: A, B independientes cuando P{A B} = P{A}P{B} ó P{A/B} = P{A} 6 / 43
3 Repaso de probabilidades 3 Teorema de Bayes: P{B i /A} = P{A/B i }P{B i } P{A} conjuntos mutuamente excluyentes: Ω = n i=1 B i y B i B j ; i j, 1 (i, j) n Probabilidad Total: P{A} = n k=1 P{A/B k}p{b k } 7 / 43 Variable Aleatoria 1 Conexión directa de Ω con el mundo físico: dar valores cuantitativos a las salidas de un experimento aleatorio y a los eventos. Una variable aleatoria X es una función (!) X : Ω R. Requisito importante: una función X puede ser una VA (real) si los puntos del intervalo (, x] corresponden a un evento de Ω, para cualquier x R. 9 / 43
4 Variable Aleatoria 2 Notar que X denota una variable aleatoria; pero x denota un número real. Definiendo A = {ω Ω : X(ω) x} permite hablar de la Probab{X x} asignándole el valor P{A}. Para abreviar, hablamos directamente de P{X x} y cuando haga falta, escribiremos los ω cuidadosamente. 10 / 43 Variable Aleatoria 3 VA discreta: el rango de X es denumerable (toma un número finito o infinito contable de posibles valores). Ejemplos: moneda, ruleta, existencia de errores de transmisión en una comunicación, número de errores de. transmisión en un paquete de datos VA continua: el rango de X es infinito no denumerable. Ejemplos: ruleta continua o rueda de la fortuna, altura de una población, valor de resistencia de resistores, duración de una llamada telefónica. VA mixta: mezcla continua-discreta. Ejemplo: tiempo de espera de un auto en una esquina. 11 / 43
5 Probabilidad con VA discretas X toma valores {x k, k Z}. Uno o varios ω i originan a través de X la posibilidad de que se dé el valor X = x k. Luego P{A k } = p k = P{X = x k } con A k = i ω i. Cómo calcular P{X x}? Aprovechar que A k son disjuntos: P{X x} = x i x P{X = x i} = x i x p i. Y en general, para cualquier conjunto A R, P{A} se puede calcular: 1) encontrando todos los ω k tales que X(ω k ) = x k A; con esas salidas se forma A = ω k. 2) como las salidas son conjuntos elementales disjuntos, la probabilidad de su unión se calcula fácil P{A} = x k A p k 12 / 43 Distribución Acumulativa 1 para VA continuas el método anterior, falla: las uniones de salidas son no-numerables. La DA se define para manejar las probabilidades de que una VA tome ciertos valores. Esencialmente para VA continuas, pero también para discretas. F X (x) P{ω Ω : X(ω) x} = P{X x}. Para abreviar, hablamos directamente de P{X x} y cuando haga falta, escribiremos los ω cuidadosamente. 13 / 43
6 Distribución Acumulativa 2 Pero hay otros conjuntos de interés Se pueden fabricar por uniones, intersecciones y complementos (recordar el Axioma 3). Ejemplo: Si x 2 < x 1, considerar: (, x 1 ] (, x 2 ], lím n (x 2 1/n, x 2 ], etc. Hay un mínimo conjunto que contiene a todos los conjuntos que resultan por uniones, intersecciones y complementos (denumerables) de conjuntos elementales (, x]: se llama Boreliano B. Se puede asignar probabilidades a cualquier subconjunto de B. 14 / 43 Distribución Acumulativa 3 Propiedades 1. F X ( ) = 0 2. F X ( ) = F X (x) 1 4. F X (x) es una función creciente, continua por derecha 15 / 43
7 Densidad de probabilidad Motivación: Para VA continuas, P{X = x k }=0... Cómo calcular P{A}? Definición: Densidad de probabilidad Luego f X (x) = F X (x) x P{A} = A = x F X (x) f X (x)dx Notar: La fdp f X (x) NO es una probabilidad En todo caso f X (x) dx P{x < X x + dx} 16 / 43 Densidad de probabilidad 2 P{A} = A f X (x)dx Propiedades: f X (x) 0; x R F X (x) = x f X (λ)dλ f X (λ)dλ = F X ( ) F X ( ) = 1 P{x 1 < X x 2 } = F X (x 2 ) F X (x 1 ) = x 2 x 1 f X (λ)dλ 17 / 43
8 Esperanza matemática 1 Motivación: promedio ponderado de la VA Definición: para VA discretas E {X} k= x k P{X = x k } Definición: para VA continuas E {X} λf X (λ)dλ 19 / 43 Esperanza matemática 2 Sumas de Riemann: λf X (λ)dλ i x i f X (x i )(x i+1 x i ) ver que la ponderación de cada x i es f X (x i )(x i+1 x i ) P{x i < X x i+1 }. 20 / 43
9 Esperanza matemática 3 Propiedades E {X} = µ X se suele llamar media estadística o media. Si c R es una constante, E {c} = c. Si a, b R son constantes, E {ax + b} = ae {X} + b. Si X > 0, E {X} > 0. Valor cuadrático medio: E {X 2 }; media estadística de la (VA al cuadrado). Varianza: Var {X} E {(X E {X}) 2 } = E {X 2 } (E {X}) 2 = E {X 2 } µ 2 X. 21 / 43 Normal o Gaussiana X N (µ, σ 2 ) cuando la fdp es f X (x) = 1 2πσ e 1 2 ((x µ)/σ)2 Dos parámetros: media µ y varianza σ 2 Teorema del límite central: (versión simple) La suma de muchas VA, no importa cual sea su distribución pero que tengan media y varianza finitas, tiende a ser una VA gaussiana. Permite argumentar físicamente para postular una distribución. Ejemplos: ruido electrónico (térmico), ruido de fondo espacial (expansión del universo). 23 / 43
10 Uniforme, Exponencial X U(a, b) cuando la fdp es f X (x) = 1 (u(x a) u(x b)) b a Los parámetros a, b definen la fdp. Ejemplo: fase al origen del oscilador senoidal. X E(λ) cuando la fdp es f X (x) = λe λx u(x) Un único parámetro: λ > 0. Describe tiempo entre arribos bajo ciertas hipótesis (las de Poisson con parámetro λ). Ejemplo: intervalo entre demandas de servicio a una central telefónica. Distribución desmemoriada : si s, t R +, P{X > s + t/x > s} = P{X>s+t} P{X>s} = = e λt. 24 / 43 Otras distribuciones de VA continuas: Doble exponencial (Laplace), Cauchy, Rayleigh, χ 2, Gamma, etc 25 / 43
11 Bernouilli, Geométrica Bernouilli: X B(p) X = { 1 con probabilidad p 0 con probabilidad q = 1 p Paradigma: éxitos ocurren con probabilidad p, fallas con q Geométrica: X G(p) P{X = x} = q x p Paradigma: intentos Bernouilli indep tes; número de fallos (X) hasta el primer éxito. F X (x) Distribución Acumulativa Geométrica{p=0.1} A veces se usa Y = X + 1: número de intentos hasta tener el primer éxito x 27 / 43 Binomial Binomial: X Bi(p, n) P{X = x} = ( ) n p x q n x x Paradigma: número de éxitos (x) en n intentos independientes P{X=x} Binomial{p=1e 5; n=5e5} x Ejemplos: número de errores de transmisión en un paquete de n bits 28 / 43
12 Poisson Cuenta el número de arribos ó éxitos en un lapso t. X P(λ t) con x Z λ t (λ t)x x P{X = x} = e ; P{X x} = e λ t (λ t) k x! k! k=1 Notar: frecuentemente se supone t = 1 y el parámetro es λ Poisson {λ=10} 1 Poisson {λ=10} P{X=x} F X (x) x x 29 / 43 Poisson Paradigma: Las hipótesis para que X P(λ t) son: 1. P{X = 1} λ t cuando t los arribos son independientes entre sí. 3. no ocurren 2 arribos en forma simultánea. Ejemplos: número de paquetes de información que llegan a un servidor; número de fotones que arriban a un fotodiodo, etc 30 / 43
13 Función de una VA - Intro Motivación: A menudo interesa una función de la VA cuya distribución se conoce. Ejemplo: se conoce que una amplitud X F X (x), pero interesa la distribución F Y (y) de la potencia instantánea Y = X 2. Supongamos que Y = g(x) con g : R R Técnica básica: (en la serie de problemas) F Y (y) = P{Y y} = P{g(X) y} = = P{ω Ω : g(x(ω)) y} = P{g(X) y} = = P{X g 1 (A y )} donde A y = {y R : y y } P{X g 1 (A y )} se puede calcular usando sólo F X (x) g 1 (A y ) denota la imagen inversa por g del conjunto A y : el conjunto de valores de X que satisfacen g(x) y Nota: g 1 (y) no es la función inversa de g( ), que podría no existir. 32 / 43 Función de una VA - 2 La técnica anterior es válida para VA discretas o continuas F Y (y) = P{X g 1 (A y )} Si la VA es continua se puede calcular f Y (y) = F Y (y) y. Note que A y es función de y 33 / 43
14 Función de una VA - 3 Ejemplo: Y = X 2 a) Si y < 0, F Y (y) = P{X } b) Si y = 0, F Y (y) = P{X = 0} c) Si y > 0, F Y (y) = P{(x 1 X x 2 )} = F X (x 2 ) F X (x 1 ) + P{X = x 1 } con x 1 = y; x 2 = y f Y (y) = df Y (y) dy = f X ( 1 y) 2 y + f X ( 1 y) 2 y 34 / 43 Función de una VA - 4 Observación: Aún si g es continua y X una VA continua, Y = g(x) puede resultar una VA discreta, mixta o continua. Ejemplo: Considere los 3 casos siguientes con X U(a, b) Y discreta Y mixta Y continua 35 / 43
15 Resultado Una de las consecuencias más importantes para Y = g(x) es que: µ Y = E {Y } = con f Y (y) obtenida como antes, y y f Y (y) dy µ g = E {g(x)} = g(x) f X (x) dx son iguales, o sea µ Y = µ g. µ Y = E {Y } = µ g = E {g(x)} Esto no es trivial como parece, es un profundo resultado de la teoría de la medida en análisis Escriba el equivalente para VA discretas 36 / 43 Función característica Definición: Φ X (u) = E {e jux } = e jux f X (x) dx Como veremos Φ X (u) = F{f X (x)}( u/2π) Entre sus usos, es otro método para obtener densidades de funciones de VA: Si Y = g(x) y podemos calcular Φ g (u) = E {e j u g(x) } entonces, la antitransformada de Fourier de Φ g (u) define f Y (y) (bajo ciertas hipótesis técnicas). 38 / 43
16 Función característica VA discreta Definición: Φ X (u) = E {e jux } = k= e jux k p k con p k = P{X = x k } Similar a VA continua, pero cambiando lo obvio. Como veremos Φ X (u) es la transformada de Fourier de tiempo discreto (TFTD) de la secuencia de los p k, cuando x k = k x (x k equiespaciados). Entre sus usos: otro método para obtener distribuciones de funciones de VA. 39 / 43 Momentos Definición: momento (no central) de orden r-simo m r = E {X r } = x r f X (x) dx r Z Definición: momento central de orden r-simo, con r Z µ r = E {(X E {X}) r } = E {(X µ X ) r } = (x µ X ) r f X (x) dx con µ X = m 1 Al ver Transformada de Fourier veremos la relación entre densidades, momentos y funciones características. Anticipo: {conocer la densidad} {conocer la función característica} {conocer todos los momentos y que converja la serie de McLaurin de la Φ(u)}. La media µ X es m 1, el valor cuadrático medio m 2 y la varianza µ / 43
17 Momentos VA discretas Definición: momento (no central) de orden r-simo m r = E {X r } = k= x r k p k r Z Definición: momento central de orden r-simo, con r Z µ r = E {(X E {X}) r } = E {(X µ X ) r } = k= (x k µ X ) r p k con p k = P{X = x k } y µ X = m 1. Al ver TFTD comentaremos la relación entre densidades, momentos y funciones características para x k equiespaciados. La media µ X es m 1, el valor cuadrático medio m 2 y la varianza µ / 43 Próxima Clase Distribuciones conjuntas y condicionales Procesos estocásticos Clases de procesos. Distribución, densidad. Independencia. Secuencias iid, ruido blanco. Media estadística. Y después, Funciones de correlación y covarianza. Otros momentos. Correlación de señales determinísticas (de energía y potencia). Correlación: concepto; notación: orden, conjugada y desplazamiento de las variables, propiedades autocorrelación e intercorrelación. 43 / 43
Repaso de Estadística
Teoría de la Comunicación I.T.T. Sonido e Imagen 25 de febrero de 2008 Indice Teoría de la probabilidad 1 Teoría de la probabilidad 2 3 4 Espacio de probabilidad: (Ω, B, P) Espacio muestral (Ω) Espacio
Más detallesSEÑALES Y SISTEMAS Clase 4
SEÑALES Y SISTEMAS Clase 4 Carlos H. Muravchik 12 de Marzo de 2018 1 / 1 Habíamos visto: 1. Ejemplos audibles 2. Transformaciones de la variable independiente Y se vienen: Ejemplo audible de reflexión
Más detallesTEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES. Variable aleatoria (Real)
TEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES Grado Ing Telemática (UC3M) Teoría de la Comunicación Variable Aleatoria / 26 Variable aleatoria (Real) Función que asigna un valor
Más detallesProcesos estocásticos
Procesos estocásticos Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos del curso 1. Introducción. 2. Procesos a tiempo discreto:
Más detallesVariables Aleatorias y Distribución de Probabilidades
Variables Aleatorias y Distribución de Probabilidades Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de mayo de 2011 Tabla de Contenidos Variables
Más detallesUnidad 3. Probabilidad. Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre / 22
Unidad 3. Probabilidad Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre 2018-1 1 / 22 Espacios de probabilidad El modelo matemático para estudiar la probabilidad se conoce como espacio de
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 detallesModelos Básicos de Distribuciones Discretas y Continuas
Modelos de Distribuciones Discretas y Continuas 1/27 Modelos Básicos de Distribuciones Discretas y Continuas Departamento de Estadística e Investigación Operativa Universidad de Sevilla Contenidos Modelos
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 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 detallesProbabilidad y Procesos Aleatorios
y Dr. Héctor E. Poveda P. hector.poveda@utp.ac.pa www.hpoveda7.com.pa @hpoveda7 Plan del curso Probabilidad Múltiples 1. Probabilidad Espacios probabilísticos Probabilidad condicional 2. 3. Múltiples 4.
Más detallesTransformaciones y esperanza
Capítulo 3 Transformaciones y esperanza 3.1. Introducción Por lo general estamos en condiciones de modelar un fenómeno en términos de una variable aleatoria X cuya función de distribución acumulada es
Más detallesMa34a Probabilidades y Procesos Estocásticos 21 de Noviembre, Resumen No. 3
Ma34a Probabilidades y Procesos Estocásticos 21 de Noviembre, 2004 Resumen No. 3 Prof. Cátedra: M. Kiwi Prof. Auxiliares: M. Soto, R. Cortez 1 Variables Aleatorias 1.1 Variables Aleatorias Absolutamente
Más detallesFolleto de Estadísticas. Teoría del 1er Parcial
Folleto de Estadísticas Teoría del 1er Parcial 2012 Población objetivo: Es un conjunto bien definido de elementos sobre los que se desea hacer algún tipo de investigación o medida. Unidades de investigación:
Más 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 detalles3. Variables aleatorias
3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 4 Vectores aleatorios Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
Más detallesProcesos estocásticos
Teoría de la comunicación Comunicaciones - U.A.H. Indice Probabilidad. Variables Aleatorias. Procesos Estocásticos. Comunicaciones - U.A.H. Probabilidad Probabilidad. Dado un experimento ε del tipo que
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más detallesCapítulo 5: Probabilidad e inferencia
Capítulo 5: Probabilidad e inferencia estadística (Fundamentos Matemáticos de la Biotecnología) Departamento de Matemáticas Universidad de Murcia Contenidos Principios de la probabilidad Conceptos básicos
Más 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 detallesEstadística Grado en Nutrición Humana y Dietética
Estadística Grado en Nutrición Humana y Dietética Tema 3: Probabilidad y variables aleatorias Francisco M. Ocaña Peinado http://www.ugr.es/local/fmocan Departamento de Estadística e Investigación Operativa
Más detallesPart I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas
Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando
Más detallesRepaso de Teoría de la Probabilidad
Repaso de Teoría de la Probabilidad Luis Mendo Tomás Escuela Politécnica Superior Universidad Autónoma de Madrid Febrero de 2008 1. Introducción Este documento contiene, de forma esquemática, los conceptos
Más detallesSEÑALES Y SISTEMAS Clase 7
SEÑALES Y SISTEMAS Clase 7 Carlos H Muravchik 22 de Marzo de 208 / 43 Habíamos visto: Procesos Estocásticos Motivación Y se vienen: Procesos y Realizaciones Repaso Distribución, densidad Independencia
Más detallesCurso Propedéutico de Cálculo Sesión 6: Aplicaciones de la Integración
por Curso Propedéutico de Cálculo Sesión 6: de la Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico Esquema por 1 por 2 Esquema por 1 por 2 por Al contrario
Más detallesUnidad 3. Probabilidad
Unidad 3. Probabilidad Javier Santibáñez 17 de agosto de 2018 1. Introducción Definición 1. La probabilidad es una medida subjetiva del grado de creencia que se tiene acerca de que algo desconocido sea
Más detallesTema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema:
Tema 4: Variables aleatorias Tema 4: Variables Aleatorias Distribución de Bernouilli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno
Más detallesEL4005 Principios de Comunicaciones Clase No.10: Repaso de Probabilidades
EL4005 Principios de Comunicaciones Clase No.10: Repaso de Probabilidades Patricio Parada Departamento de Ingeniería Eléctrica Universidad de Chile 10 de Septiembre de 2010 1 of 29 Contenidos de la Clase
Más detallesMomentos de Funciones de Vectores Aleatorios
Capítulo 1 Momentos de Funciones de Vectores Aleatorios 1.1 Esperanza de Funciones de Vectores Aleatorios Definición 1.1 Sea X = (X 1,..., X n ) un vector aleatorio (absolutamente continuo o discreto)
Más 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 detallesResumen de Probabilidad
Definiciones básicas * Probabilidad Resumen de Probabilidad Para calcular la probabilidad de un evento A: P (A) = N o decasosfavorables N o decasosposibles * Espacio muestral (Ω) Es el conjunto de TODOS
Más detallesTema 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 detallesUnidad 1: Espacio de Probabilidad
Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar
Más detallesVariables aleatorias continuas, TCL y Esperanza Condicional
Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función
Más detallesUniversidad Nacional de La Plata
Universidad Nacional de La Plata Facultad de Ciencias Agrarias y Forestales CÁLCULO ESTADÍSTICO STICO Y BIOMETRÍA CONTENIDOS UNIDAD 3: Introducción al Cálculo de Probabilidades. Experimento aleatorio.
Más detallesUniversidad Mariano Gálvez Estadística y probabilidad para Ingeniería Sección B. UNIDAD 2 PROBABILIDAD
Universidad Mariano Gálvez Estadística y probabilidad para Ingeniería Sección B. UNIDAD 2 PROBABILIDAD PRESENTA DRA. EN ING. RITA VICTORIA DE LEÓN ARDÓN 2.Trabajo en equipo 3. Estudio independiente 1.
Más detallesProcesos de Poisson. 21 de marzo, FaMAF 1 / 25
Procesos de Poisson FaMAF 21 de marzo, 2013 1 / 25 Distribución exponencial Definición Una v.a. X con función de densidad dada por f λ (x) = λ e λx, x > 0, para cierto λ > 0 se dice una v.a. exponencial
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 detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 011 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 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 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 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 detalles5. TEOREMA FUNDAMENTAL: Repaso Variables Aleatorias. Jorge Eduardo Ortiz Triviño
5. TEOREMA FUNDAMENTAL: Repaso Variables Aleatorias Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ CONTENIDO 1. INTRODUCCIÓN 2. VARIABLES ALEATORIAS 3. TEOREMA
Más detallesEXPERIMENTO ALEATORIO
EXPERIMENTO ALEATORIO En concepto de la probabilidad, un experimento aleatorio es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, en otras palabras,
Más detallesIntroducción al Diseño de Experimentos.
Introducción al Diseño de Experimentos www.academia.utp.ac.pa/humberto-alvarez Introducción Una población o universo es una colección o totalidad de posibles individuos, especímenes, objetos o medidas
Más detallesRuido en los sistemas de comunicaciones
Capítulo 2 Ruido en los sistemas de comunicaciones Cuando una señal se transmite a través de un canal de comunicaciones hay dos tipos de imperfecciones que hacen que la señal recibida sea diferente de
Más detallesVariables aleatorias continuas y Teorema Central del Limite
Variables aleatorias continuas y Teorema Central del Limite FaMAF 17 de marzo, 2015 Variables aleatorias continuas Definición Una variable aleatoria X se dice (absolutamente continua) si existe f : R R
Más detallesTema 3: Funcio n de Variable Aleatoria
Tema 3: Funcio n de Variable Aleatoria Teorı a de la Comunicacio n Curso 2007-2008 Contenido 1 Función de una Variable Aleatoria 2 3 Cálculo de la fdp 4 Generación de Números Aleatorios 5 Momentos de una
Más detallesValeri Makarov: Estadística Aplicada y Cálculo Numérico (Grado en Química)
Estadística Aplicada y Cálculo Numérico (Grado en Química) Valeri Makarov 10/02/2015 29/05/2015 F.CC. Matemáticas, Desp. 420 http://www.mat.ucm.es/ vmakarov e-mail: vmakarov@mat.ucm.es Capítulo 4 Variables
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 detallesPlanificaciones Probabilidad y Estadística A. Docente responsable: MANCILLA AGUILAR JOSE LUIS. 1 de 5
Planificaciones 6106 - Probabilidad y Estadística A Docente responsable: MANCILLA AGUILAR JOSE LUIS 1 de 5 OBJETIVOS 1) Introducir al alumno en la comprensión de la necesidad y oportunidad de la aplicación
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 detallesPlanificaciones Probabilidad y Estadística A. Docente responsable: MANCILLA AGUILAR JOSE LUIS. 1 de 6
Planificaciones 8103 - Probabilidad y Estadística A Docente responsable: MANCILLA AGUILAR JOSE LUIS 1 de 6 OBJETIVOS 1) Introducir al alumno en la comprensión de la necesidad y oportunidad de la aplicación
Más detallesEstadística Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 2011 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1 1. Las Definiciones de Probabilidad 2. Variables Aleatorias 3. Función de Densidad
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesModelos 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 detallesTema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
Más detallesUNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA ELÉCTRICA DEPARTAMENTO DE ELECTRÓNICA
508 515 SEMANA: PROPÓSITO Esta asignatura ofrece al alumno los conocimientos básicos para analizar sistemas estocásticos que se encuentran descritos mediante variables aleatorias proporcionándole las herramientas
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad las reglas mátemáticas de la probabilidad no son simplemente reglas para calcular frecuencias de variables aleatorias;
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 detallesProbabilidad y Procesos Aleatorios
y Dr. Héctor E. Poveda P. hector.poveda@utp.ac.pa www.hpoveda7.com @hpoveda7 Prólogo Las diapositivas que se presentan a continuación resumen los conceptos más relevantes de probabilidad: enumeraciones,
Más detallesRequisitos Matemáticos. Clase 01. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Universidad Austral de Chile Escuela de Ingeniería Comercial ICPM050, Econometría Clase 01 Requisitos Matemáticos Profesor: Carlos R. Pitta Econometría, Prof. Carlos R. Pitta, Universidad Austral de Chile.
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 detallesTema 4. Probabilidad y variables aleatorias
Tema 4. Probabilidad y variables aleatorias En este tema: Probabilidad: Experimentos aleatorios, espacio muestral, sucesos. Interpretaciones de la probabilidad. Propiedades de la probabilidad. Probabilidad
Más detallesVariables aleatorias
Variables aleatorias Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 Una variable aleatoria es un valor numérico que se corresponde con
Más detallesDistribucion conjunta de variables continuas
Distribucion conjunta de variables continuas Matías Carrasco 22 de mayo de 218 1. Introducción La distribución conjunta de un par de variables aleatorias X e Y es la distribución de probabilidad definida
Más detallesEstadística I Tema 5: Modelos probabiĺısticos
Estadística I Tema 5: Modelos probabiĺısticos Tema 5. Modelos probabiĺısticos Contenidos Variables aleatorias: concepto. Variables aleatorias discretas: Función de probabilidad y función de distribución.
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 detallesEstadís4ca y Métodos Numéricos Tema 2. Variable Aleatoria
Estadís4ca y Métodos Numéricos Tema. Variable Aleatoria Ángel Barón Caldera Ángel Cobo Ortega María Dolores Frías Domínguez Jesús Fernández Fernández Francisco Javier González Or@z Carmen María Sordo García
Más detallesTeoría Estadística Elemental I Teoría (resumida) del 2 do Tema
Teoría Estadística Elemental I Teoría (resumida) del 2 do Tema Raúl Jiménez Universidad Carlos III de Madrid Noviembre 2011 Consideremos el lanzamiento de un dado, Ω = {1, 2, 3, 4, 5, 6}, y supongamos
Más detallesAlgunos conceptos de probabilidad
Algunos conceptos de probabilidad Variables Aleatorias Al realizar un experimento aleatorio muchas veces, esperamos que los resultados obtenidos sean gobernados por sus probabilidades. Así las probabilidades
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 detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
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 detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesCÁLCULO DE PROBABILIDADES
CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.
Más detallesTEMA 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 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 detallesFunciones generadoras de probabilidad
Funciones generadoras de probabilidad por Ramón Espinosa Armenta En este artículo veremos cómo utilizar funciones generadoras en teoría de la probabilidad. Sea Ω un conjunto finito o numerable de resultados
Más detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Experimento aleatorio Probabilidad Definición variable aleatoria: discretas y continuas Función de distribución y medidas Distribución Binomial Distribución de Poisson Distribución
Más detallesModelo de Probabilidad
Capítulo 1 Modelo de Probabilidad 1.1 Definiciones y Resultados Básicos Sea Ω un conjunto arbitrario. Definición 1.1 Una familia no vacía F de subconjuntos de Ω es llamada una σ-álgebra de subconjuntos
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 detallesPRINCIPALES CONCEPTOS DE LA TEORÍA DE LA PROBABILIDAD
PRINCIPALES CONCEPTOS DE LA TEORÍA DE LA PROBABILIDAD CONCEPTOS PREVIOS EXPERIMENTO RESULTADO ESPACIO DE RESULTADOS, W ÁLGEBRA DE SUCESOS SUCESO PROBABILIDAD (AXIOMÁTICA) PROPIEDADES Y TEOREMAS DERIVADOS
Más detallesTema 2: Variables Aleatorias Unidimensionales
Tema 2: Variables Aleatorias Unidimensionales Teorı a de la Comunicacio n Curso 27-28 Contenido 1 Concepto de Variable Aleatoria 2 Función Distribución 3 Clasificación de Variables Aleatorias 4 Función
Más detallesProbabilidad 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 detallesProbabilidad 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
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 3. Probabilidad y variable aleatoria
Estadís5ca Tema 3. Probabilidad y variable aleatoria María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema
Más detallesRepaso de Probabilidad y Estadística
Repaso de Probabilidad y Estadística Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Probabilidad 2 Definición.............................................................
Más detallesJulio Deride Silva. 6 de agosto de 2010
Repaso Matemático Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 6 de agosto de 2010 Tabla de Contenidos Repaso Matemático Julio Deride Silva Área
Más detallesPROGRAMA DE CURSO. Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT
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 detallesTema 1. Probabilidad y modelos probabiĺısticos
1 Tema 1. Probabilidad y modelos probabiĺısticos En este tema: Probabilidad Variables aleatorias Modelos de variables aleatorias más comunes Vectores aleatorios 2 Tema 1. Probabilidad y modelos probabiĺısticos
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO CICLO BÁSICO DE INGENIERÍA ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO CICLO BÁSICO DE INGENIERÍA SEMESTRE ASIGNATURA 3er. PROBABILIDAD Y ESTADÍSTICA CÓDIGO HORAS
Más detallesPROGRAMA DE CURSO. Horas de Trabajo Personal Horas de Cátedra. Básica. Resultados de Aprendizaje
Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT es Docentes PROGRAMA DE CURSO Horas de Cátedra Horas Docencia Auxiliar Horas de Trabajo Personal 6 10 3
Más detalles