Repaso de Teoría de la Probabilidad

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

Download "Repaso de Teoría de la Probabilidad"

Transcripción

1 Repaso de Teoría de la Probabilidad Luis Mendo Tomás Escuela Politécnica Superior Universidad Autónoma de Madrid Febrero de Introducción Este documento contiene, de forma esquemática, los conceptos básicos sobre Teoría de la Probabilidad necesarios para la asignatura Comunicaciones Móviles. En este documento, las funciones de una variable discreta se denotan utilizando corchetes, y las de una variable continua utilizando paréntesis. Las variables aleatorias se denotan mediante letras mayúsculas en negrita. Los procesos estocásticos se denotan mediante letras minúsculas en negrita. Las probabilidades, esperanzas matemáticas y varianzas se escriben indicando su argumento entre corchetes. 2. Variables aleatorias Caracterización de una variable aleatoria discreta X se dene su función de probabilidad f X [n]: Para una variable aleatoria f X [n] = Pr[X = n]. (1) Para una variable aleatoria continua X se dene su función de distribución F X (x): F X (x) = Pr[X x]. (2) La derivada de F X (x), si existe, se denomina función de densidad de probabilidad de X, f X (x): df (X)(x) f X (x) =. (3) dx Habitualmente puede unicarse el tratamiento de ambos tipos de variables deniendo para el caso discreto una función de densidad de probabilidad formada por deltas de Dirac: f X (x) = n f X [n]δ(x n). (4) Mediana y percentil La mediana de X es el valor x 0,5 que verica Pr[X x 0,5 ] = 0,5. El percentil p es el valor x p tal que Pr[X x p ] = p. 1

2 Función de una variable aleatoria Si Y = g(x), f Y (y) puede calcularse a partir de f X (x) como n f X (x i ) f Y (y) = g (x i ), (5) i=1 donde x 1,..., x n son las soluciones de la ecuación y = g(x), y g (x) es la función derivada de g(x). Operador E o esperanza matemática La esperanza matemática o valor medio de X se dene como El operador E es lineal. E[X] = xf X (x)dx. (6) Media de una función de variable aleatoria E[g(X)] = g(x)f X (x)dx. (7) Varianza, desviación típica y coeciente de variación La varianza se dene como Sea η x = E[X]. Var[X] = E[(X η x ) 2 ] = E[X 2 ] η 2 x. (8) La desviación típica es la raíz cuadrada de la varianza. Se emplea habitualmente como medida de la dispersión de una variable aleatoria en torno a su media. El coeciente de variación se dene como la desviación típica entre la media. Es una medida normalizada de la dispersión. Caracterización de dos variables aleatorias Una pareja de variables aleatorias X e Y se caracteriza mediante su función de distribución conjunta, F X,Y (x, y): F X,Y (x, y) = Pr[X x, Y y]. (9) La función de densidad se dene como la siguiente derivada doble, si existe: f X,Y (x, y) = 2 F X,Y (x, y). (10) x y Dada una región D del plano, la probabilidad de que el punto (X, Y ) pertenezca a D se calcula como Pr[(X, Y ) D] = D f X,Y (x, y) dx dy. (11) 2

3 Probabilidad condicionada (o condicional) Dados dos sucesos A y B, la probabilidad de A condicionada a B, Pr[A B], se dene como Pr[A B] = Pr[A, B], (12) Pr[B] siendo Pr[A, B] la probabilidad de que ocurran simultáneamente A y B. Dada una variable X y un suceso A, la función de distribución de X condicionada a A viene dada por F X (x A) = Pr[X x A] = La función de densidad condicionada se dene como f X (x A) = Pr[X x, A]. (13) Pr[A] df (X)(x A). (14) dx Dadas dos variables X e Y, la función de densidad de X condicionada a Y viene dada por f X (x Y = y) = f X,Y (x, y). (15) f Y (y) Teorema de la probabilidad total Teorema de Bayes Pr[A] = f Y (y) = Pr[A X = x]f X (x)dx. (16) f Y (y X = x)f X (x)dx. (17) f X (x A) = Pr[A X = x]f X(x). Pr[A] (18) f X (x Y = y) = f Y (y X = x)f X (x). f Y (y) (19) Independencia e incorrelación Dos sucesos A y B son (estadísticamente) independientes si Pr[A, B] = Pr[A] Pr[B]. Dos variables X e Y son (estadísticamente) independientes si, para cualesquiera conjuntos C y D, Pr[X C, Y D] = Pr[X C] Pr[Y D]. Equivalentemente, X e Y son independientes si F X,Y (x, y) = F X (x)f Y (y), o bien si f X,Y (x, y) = f X (x)f Y (y). Si X e Y son independientes, también lo son g(x) y h(y ). Dos variables aleatorias X e Y son incorreladas si E[XY ] = E[X] E[Y ]. Si dos variables son independientes, son también incorreladas. Una función de dos variables aleatorias Si Z = g(x, Y ), F Z (z) = f X,Y (x, y)dx dy, D z (20) donde D z es la región del plano tal que g(x, y) z. 3

4 Dos funciones de dos variables aleatorias Si Z = g(x, Y ) y W = h(x, Y ), n f X,Y (x i, y i ) f Z,W (z, w) = J(x i, y i ), (21) i=1 donde (x 1, y 1 ),..., (x n, y n ) son las soluciones del sistema z = g(x), w = h(y), y J(x, y) es el determinante jacobiano de (z, w) respecto a (x, y): J(x, y) = z w x y z w y x. (22) Suma de variables aleatorias independientes o incorreladas La función de densidad de probabilidad de una suma de variables aleatorias independientes se obtiene como la convolución de las funciones de densidad individuales. La varianza de la suma de variables aleatorias incorreladas es igual a la suma de las varianzas. Algunas distribuciones Función de densidad de probabilidad gaussiana o normal de media η y desviación típica σ: f(x) = 1 σ (x η)2 e. 2π 2σ 2 (23) Función de densidad de probabilidad exponencial de parámetro c: f(x) = ce cx, para x 0. (24) El parámetro c representa el inverso del valor medio. La suma de los cuadrados de dos variables aleatorias gaussianas independientes de media nula y la misma varianza es una variable aleatoria exponencial. Función de densidad de probabilidad Rayleigh de parámetro b: f(x) = x b e x2 2b, para x 0. (25) El parámetro b representa la mitad del valor cuadrático medio: b = E[X 2 ]/2. La raíz cuadrada de una variable aleatoria exponencial es una variable Rayleigh. Variable aleatoria log-normal: es, por denición, aquélla cuyo logaritmo es una variable aleatoria gaussiana. Función de probabilidad de Poisson de parámetro a: El parámetro a representa el valor medio. a ak f[n] = e k!. (26) 4

5 Variables conjuntamente gaussianas Dadas n variables X 1,..., X n, éstas se denominan conjuntamente gaussianas si a 1 X 1 + +a n X n es gaussiana para cualesquiera a 1,..., a n. Si X 1,..., X n son conjuntamente gaussianas e incorreladas, son independientes. Teorema del límite central Bajo condiciones muy generales, la distribución de la suma de un gran número de variables aleatorias tiende a ser gaussiana. Una condición suciente es que las variables aleatorias sean independientes e idénticamente distribuidas con varianza nita. Ley de los grandes números y resultados relacionados Se realiza un experimento y se observa la ocurrencia o no de un suceso A, cuya probabilidad es p. Si el experimento se realiza n veces, y k denota el número de veces que ocurre A, la frecuencia relativa del suceso A, denida como k/n, tiende a p en el sentido siguiente: [ ] k Pr n p ɛ 1 para n (27) (versión débil de la ley de los grandes números). Sean n variables aleatorias X 1,..., X n independientes idénticamente distribuidas, con media η, desviación típica σ y coeciente de variación c = σ/µ. En estas condiciones, la variable suma n i=1 X i tiene coeciente de variación c/ n; y la variable promedio (o suma normalizada) 1/n n i=1 X i tiene desviación típica σ/ n. 3. Procesos estocásticos Caracterización de procesos estocásticos Para caracterizar un proceso estocástico x(t) debe conocerse la función de distribución conjunta de las variables aleatorias x(t 1 ),..., x(t n ), para todos los posibles t 1,..., t n y para todo n. Para caracterizar dos procesos estocásticos debe conocerse la función de distribución conjunta de las variables correspondientes a ambos. Un proceso x(t) es gaussiano si las variables x(t 1 ),..., x(t n ) son conjuntamente gaussianas para todos los posibles t 1,..., t n y para todo n. Autocorrelación y correlación cruzada Dado un proceso x(t) (en general complejo), su autocorrelación R x (t 1, t 2 ) se dene como E[x(t 1 )x (t 2 )]. Dados dos procesos x(t) e y(t), su correlación cruzada R x,y (t 1, t 2 ) se dene como E[x(t 1 )y (t 2 )]. 5

6 Estacionariedad en sentido amplio sentido amplio si Un proceso x(t) es estacionario en su media es independiente del tiempo t; y su autocorrelación depende sólo de la diferencia de tiempos τ = t 1 t 2. Para un proceso estacionario en sentido amplio, la autocorrelación se denota como R x (τ) = E[x(t + τ)x (t)]. Dos procesos son conjuntamente estacionarios en sentido amplio si cada uno de ellos es estacionario en sentido amplio; y su correlación cruzada depende sólo de la diferencia de tiempos. Espectro de potencia su espectro de potencia S x (f) como la transformada de Fourier de R x (τ). Dado x(t) estacionario en sentido amplio, se dene El valor cuadrático medio (potencia) de x(t) viene dado por E[ x(t) 2 ] = R x (0) = Sistemas lineales invariantes con entradas estocásticas S x (f)df. (28) Dado un sistema lineal invariante (determinista) con respuesta al impulso h(t), cuya entrada es un proceso estocástico en sentido amplio x(t), con autocorrelación R x (τ) y espectro de potencia S x (f), y cuya salida es y(t), se verica que los procesos de entrada y salida son conjuntamente estacionarios en sentido amplio, con Además, si x(t) es gaussiano, y(t) es gaussiano. E[y(t)] = E[x(t)] h(t) (29) R x,y (τ) = R x (τ) h ( τ) (30) R y (τ) = R x,y (τ) h (τ) (31) S x (f) = S y (f) H(f) 2. (32) Procesos puntuales Un proceso puntual es un conjunto de puntos aleatorios en el eje real. Proceso de Poisson que verica lo siguiente: Un proceso de Poisson de tasa λ es un proceso puntual El número de puntos en un intervalo (t 1, t 2 ) de longitud t = t 1 t 2 sigue una distribución de Poisson de parámetro λt. Dados dos intervalos disjuntos, los números de puntos que contienen son variables aleatorias independientes. Superposición de procesos puntuales Dados n procesos puntuales, su superposición se dene como un proceso puntual formado por la unión de todos los puntos pertenecientes a los n procesos. Teorema de Cinlar Bajo ciertas condiciones muy generales, la superposición de un gran número de procesos puntuales tiende a un proceso de Poisson. 6

Repaso de Estadística

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 detalles

Tema 4: Variable Aleatoria Bidimensional

Tema 4: Variable Aleatoria Bidimensional Curso 2016-2017 Contenido 1 Definición de Variable Aleatoria Bidimensional 2 Distribución y fdp Conjunta 3 Clasificación de Variables Aleatorias Bidimensionales 4 Distribuciones Condicionales 5 Funciones

Más detalles

Procesos estocásticos

Procesos 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 detalles

Ejercicios de Procesos Estocásticos

Ejercicios de Procesos Estocásticos Ejercicios de Procesos Estocásticos Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO MAGISTRAL GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES Otros Ejemplo Considerar

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

Tema 6 - Introducción. Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo.

Tema 6 - Introducción. Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo. Tema 6 - Introducción 1 Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo. Generalización Tema 6. Variables aleatorias unidimensionales

Más detalles

TEORÍA 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. 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 detalles

SEÑALES ALEATORIAS Y RUIDO. E. T. S. de Ingenieros de Telecomunicación Universidad de Valladolid.

SEÑALES ALEATORIAS Y RUIDO. E. T. S. de Ingenieros de Telecomunicación Universidad de Valladolid. SEÑALES ALEATORIAS Y RUIDO. Marcos Martín Fernández E. T. S. de Ingenieros de Telecomunicación Universidad de Valladolid. CONTENIDOS INDICE. DE FIGURAS VII 1. PROBABILIDAD. 1 2. VARIABLES ALEATORIAS.

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

Part I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas

Part 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 detalles

Ruido en los sistemas de comunicaciones

Ruido 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 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

Tema 7: Procesos Estoca sticos

Tema 7: Procesos Estoca sticos Tema 7: Procesos Estoca sticos Teorı a de la Comunicacio n Curso 2007-2008 Contenido 1 Definición 2 Caracterización Estadística 3 Estadísticos 4 Estacionariedad 5 Ergodicidad 6 Densidad Espectral de Potencia

Más detalles

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

Departamento de Matemática Aplicada a la I.T.T. Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Otoño 3 Duración: 3 horas FECHA: 9 de Enero de 4 Fecha publicación notas: 6--4 Fecha revisión

Más detalles

Variables aleatorias

Variables 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 detalles

Examen de Estadística Grado en Ingeniería de Telecomunicación

Examen de Estadística Grado en Ingeniería de Telecomunicación Cuestiones Examen de Estadística Grado en Ingeniería de Telecomunicación 3 de Junio de 5 solución h 45m C (.5 puntos). Una multinacional realiza operaciones comerciales en 3 mercados (A, B y C). El % de

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

Momentos de Funciones de Vectores Aleatorios

Momentos 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 detalles

Tema 2: Variables Aleatorias Unidimensionales

Tema 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 detalles

3. Variables aleatorias

3. 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 detalles

TEMA 5. PROCESOS ESTOCÁSTICOS.-CURSO 2017/18

TEMA 5. PROCESOS ESTOCÁSTICOS.-CURSO 2017/18 TEMA 5. PROCESOS ESTOCÁSTICOS.-CURSO 2017/18 5.1. Concepto de proceso estocástico. Tipos de procesos. Realización de un proceso. 5.2. Características de un proceso estocástico. 5.3. Ejemplos de procesos

Más detalles

Examen de Estadística

Examen de Estadística Examen de Estadística Grado en Ingeniería de Telecomunicación 6 de Mayo de 6 Cuestiones solución h 45m C (.5 puntos). Considera tres eventos A, B, C S tales que P (A) = P (B) =.5, P (A B) =.5, y P (C)

Más detalles

Tema 3: Funcio n de Variable Aleatoria

Tema 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 detalles

Unidad Temática 3: Probabilidad y Variables Aleatorias

Unidad 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 detalles

Procesos estocásticos

Procesos 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 detalles

Hoja 4 Variables aleatorias multidimensionales

Hoja 4 Variables aleatorias multidimensionales Hoja 4 Variables aleatorias multidimensionales 1.- Estudiar si F (x, y) = 1, si x + 2y 1, 0, si x + 2y < 1, es una función de distribución en IR 2. 2.- Dada la variable aleatoria 2-dimensional (X, Y )

Más detalles

Cálculo de probabilidad. Tema 3: Variables aleatorias continuas

Cálculo 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 detalles

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

Departamento de Matemática Aplicada a la I.T.T. Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Duración: horas Fecha: de Julio de Fecha publicación notas: -7- Fecha revisión examen: 8-7-

Más detalles

DISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD

DISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD DISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD FUNCIÓN DE DISTRIBUCIÓN ( CONJUNTA ) DE UN VECTOR ALEATORIO FUNCIÓN DE CUANTÍA ( CONJUNTA) DE VECTORES ALETORIOS DISCRETOS FUNCIÓN DE DENSIDAD (CONJUNTA)

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

Estadística. Tema 3. Esperanzas Esperanza. Propiedades Varianza y covarianza. Correlación

Estadística. Tema 3. Esperanzas Esperanza. Propiedades Varianza y covarianza. Correlación Estadística Tema 3 Esperanzas 31 Esperanza Propiedades 32 Varianza y covarianza Correlación 33 Esperanza y varianza condicional Predicción Objetivos 1 Medidas características distribución de VA 2 Media

Más detalles

VECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M.

VECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción VECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M. Desde un punto de vista formal, los vectores aleatorios son la herramienta matemática adecuada para transportar

Más detalles

Variables Aleatorias y Distribución de Probabilidades

Variables 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 detalles

DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD VARIABLE ALEATORIA Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida. Por ejemplo, suponga que se tira

Más detalles

Part I. Momentos de una variable aleatoria. Esperanza y varianza. Modelos de Probabilidad. Mario Francisco. Esperanza de una variable aleatoria

Part I. Momentos de una variable aleatoria. Esperanza y varianza. Modelos de Probabilidad. Mario Francisco. Esperanza de una variable aleatoria una una típica Part I Momentos. Esperanza y varianza Esperanza una una típica Definición Sea X una discreta que toma los valores x i con probabilidades p i. Supuesto que i x i p i

Más detalles

Estadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas

Estadística. 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 detalles

Técnicas Cuantitativas para el Management y los Negocios I

Técnicas 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 detalles

Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación

Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación 7 de Septiembre, 25 Cuestiones 2 horas C. A partir de los procesos estocásticos X(t e Y (t incorrelados y de media cero, con funciones

Más detalles

Tema 4: VARIABLE ALEATORIA N-DIMENSIONAL

Tema 4: VARIABLE ALEATORIA N-DIMENSIONAL Tema 4: VARIABLE ALEATORIA N-DIMENSIONAL Carlos Alberola López Lab. Procesado de Imagen, ETSI Telecomunicación Despacho D04 caralb@tel.uva.es, jcasasec@tel.uva.es, http://www.lpi.tel.uva.es/sar Concepto

Más detalles

Teoría Moderna de Decisión y Estimación, Notas Introductorias: Cálculo de probabilidades y

Teoría Moderna de Decisión y Estimación, Notas Introductorias: Cálculo de probabilidades y Profesores de TMDE Teoría Moderna de Decisión y Estimación, Notas Introductorias: Cálculo de probabilidades y estadística Monograph 9 de septiembre de 23 Springer Índice general. Variables aleatorias

Más detalles

Material introductorio

Material introductorio Material introductorio Nombre del curso: Teoría Moderna de la Detección y Estimación Autores: Vanessa Gómez Verdejo Índice general. Variables aleatorias unidimensionales..................................

Más detalles

Vectores Aleatorios. Vectores Aleatorios. Vectores Discretos. Vectores Aleatorios Continuos

Vectores Aleatorios. Vectores Aleatorios. Vectores Discretos. Vectores Aleatorios Continuos Definición Dado un espacio muestral S, diremos que X =(X 1, X 2,, X k ) es un vector aleatorio de dimension k si cada una de sus componentes es una variable aleatoria X i : S R, para i = 1, k. Notemos

Más detalles

Variables aleatorias. Tema Introducción Variable aleatoria. Contenido

Variables aleatorias. Tema Introducción Variable aleatoria. Contenido Tema 4 Variables aleatorias En este tema se introduce el concepto de variable aleatoria y se estudian los distintos tipos de variables aleatorias a un nivel muy general, lo que nos permitirá manejar los

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 ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO 22/23 FECHA: 9 de Enero de 23 Duración del examen: 3 horas Fecha publicación

Más detalles

INGENIERO DE TELECOMUNICACION (Troncal) Escuela Técnica Superior de Ingenieros Industriales y de Telecomunicación 2543 TEORIA DE LA COMUNICACION

INGENIERO DE TELECOMUNICACION (Troncal) Escuela Técnica Superior de Ingenieros Industriales y de Telecomunicación 2543 TEORIA DE LA COMUNICACION 1. DATOS IDENTIFICATIVOS DE LA ASIGNATURA Título/s Centro Módulo / materia Código y denominación Créditos ECTS 6 Curso / Cuatrimestre Web Idioma de impartición Forma de impartición INGENIERO DE TELECOMUNICACION

Más detalles

Transformaciones y esperanza

Transformaciones 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 detalles

Ma34a Probabilidades y Procesos Estocásticos 21 de Noviembre, Resumen No. 3

Ma34a 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 detalles

Repaso de conceptos de álgebra lineal

Repaso de conceptos de álgebra lineal MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso

Más detalles

Estadística I Tema 5: Modelos probabiĺısticos

Estadística 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 detalles

Variables aleatorias unidimensionales

Variables aleatorias unidimensionales Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen

Más detalles

TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18

TEMA 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 detalles

Tema 6: Modelos de probabilidad.

Tema 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 detalles

Estadística Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri

Estadística 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 detalles

Estadística Descriptiva y Probabilidad FORMULARIO

Estadística Descriptiva y Probabilidad FORMULARIO Estadística Descriptiva y Probabilidad FORMULARIO Departament d Estadística i Investigació Operativa Universitat de València Angel Corberán Francisco Montes 2 3 Capítulo 1 Estadística Descriptiva 1.1.

Más detalles

SEÑALES Y SISTEMAS Clase 5

SEÑALES Y SISTEMAS Clase 5 SEÑALES Y SISTEMAS Clase 5 Carlos H. Muravchik 15 de Marzo de 2018 1 / 43 Habíamos visto: Repaso Probabilidades (sobrevuelo) Veremos: 1. Repaso Probabilidades 2. Repaso Variables aleatorias. Distribuciones.

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

Modelos de distribuciones discretas y continuas

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 detalles

Introducción al Diseño de Experimentos.

Introducción 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 detalles

Unidad 1: Espacio de Probabilidad

Unidad 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 detalles

Resumen de Probabilidad

Resumen 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 detalles

Distribuciones de probabilidad más usuales

Distribuciones de probabilidad más usuales Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y

Más detalles

SEÑALES Y SISTEMAS Clase 17

SEÑALES Y SISTEMAS Clase 17 SEÑALES Y SISEMAS Clase 17 Carlos H. Muravchik 17 de Mayo de 2018 1 / 27 Habíamos visto: ransformada de Fourier de iempo Discreto (FD) Propiedades Convolución Y se vienen: Correlación. Rayleigh-Parseval

Más detalles

Procesos de Poisson. 21 de marzo, FaMAF 1 / 25

Procesos 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 detalles

TEMA 3: Probabilidad. Modelos. Probabilidad

TEMA 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 detalles

Estadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10

Estadistica 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 detalles

Procesos Estocásticos. Procesos Estocásticos. Procesos Estocásticos. 1 Introducción y conceptos básicos. Al final del tema el alumno será capaz de:

Procesos Estocásticos. Procesos Estocásticos. Procesos Estocásticos. 1 Introducción y conceptos básicos. Al final del tema el alumno será capaz de: Procesos Estocásticos Procesos Estocásticos Referencias: Capítulo 8 de Introducción a los Sistemas de Comunicación. Stremler, C.G. (993 Estadísticos de un proceso estocástico Apuntes de la Universidad

Más detalles

Estadística I Tema 5: Modelos probabiĺısticos

Estadística 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 detalles

Introducción a la Teoría de la Información

Introducción a la Teoría de la Información Introducción a la Teoría de la Información Entropía diferencial. Facultad de Ingeniería, UdelaR (Facultad de Ingeniería, UdelaR) Teoría de la Información 1 / 19 Definición Definición (Entropía diferencial)

Más detalles

Introducción al Tema 9

Introducción al Tema 9 Tema 2. Análisis de datos univariantes. Tema 3. Análisis de datos bivariantes. Tema 4. Correlación y regresión. Tema 5. Series temporales y números índice. Introducción al Tema 9 Descripción de variables

Más detalles

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

Departamento de Matemática Aplicada a la I.T.T. Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Primavera 15 FECHA: de Junio de 15 Fecha publicación notas: 11 de Junio de 15 Fecha revisión

Más detalles

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides 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 detalles

Probabilidad y Procesos Aleatorios

Probabilidad 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 detalles

Tema 2: VARIABLE ALEATORIA UNIDIMENSIONAL

Tema 2: VARIABLE ALEATORIA UNIDIMENSIONAL Tema 2: VARIABLE ALEATORIA UNIDIMENSIONAL Carlos Alberola López Lab. Procesado de Imagen, ETSI Telecomunicación Despacho 2D014 caralb@tel.uva.es, jcasasec@tel.uva.es, http://www.lpi.tel.uva.es/sar Concepto

Más detalles

Variables aleatorias continuas, TCL y Esperanza Condicional

Variables 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 detalles

UNIDAD 3 Características de variables aleatorias uni y bidimensionales

UNIDAD 3 Características de variables aleatorias uni y bidimensionales Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA Ingenierías: Recursos Hídricos-Ambiental-Agrimensura TEORÍA Mg. Ing. Susana Vanlesberg Profesor Titular UNIDAD Características

Más detalles

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE MATEMÁTICAS TEMA 1 (20 puntos): RUBRICA La magnitud de temblores registrados en una región de América

Más detalles

MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO

MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto

Más detalles

PROCESOS ALEATORIOS. Capítulo AXIOMAS DE PROBABILIDAD

PROCESOS ALEATORIOS. Capítulo AXIOMAS DE PROBABILIDAD Capítulo 2 PROCESOS ALEATORIOS Los procesos aleatorios son importantes porque en casi todos los aspectos de la vida se presentan este tipo de situaciones en donde el comportamiento de un fenómeno o evento

Más detalles

Sumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...

Sumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad... ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares... 9 Objetivos de la Unidad... 11 1. Población y muestra... 12 2. Parámetro

Más detalles

Capítulo 5: Probabilidad e inferencia

Capítulo 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 detalles

SEÑALES Y SISTEMAS Clase 13

SEÑALES Y SISTEMAS Clase 13 SEÑALES Y SISTEMAS Clase 13 Carlos H. Muravchik 19 de Abril de 2018 1 / 27 Habíamos visto: 1. Sistemas lineales con entradas aleatorias. 2. Introducción a la Transformada de Fourier Y se vienen: Repaso

Más detalles

Distribución Gaussiana Multivariable

Distribución Gaussiana Multivariable Distribución Gaussiana Multivariable Carlos Belaustegui Goitia, Juan Augusto Maya 8 de Agosto de Resumen En este documento presentamos la deducción de la expresión de la función densidad de probabilidad

Más detalles

Sistemas de Comunicaciones

Sistemas de Comunicaciones Sistemas de Comunicaciones Tema 2: Señales aleatorias Grado en Ingeniería de Sistemas de Telecomunicación Departamento de Ingeniería de Comunicaciones Universidad de Málaga Curso 202/203 Tema 2: Señales

Más detalles

Tema 2. Análisis de Sistemas en Tiempo Continuo. Indice:

Tema 2. Análisis de Sistemas en Tiempo Continuo. Indice: Indice: 1. Clasificación de Sistemas en tiempo continuo Lineales y no Lineales Invariante y Variantes en el tiempo Causal y no Causal Estable e Inestables Con y sin Memoria 2. La Convolución La Integral

Más detalles

Part VI. Distribuciones notables. Estadística I. Mario Francisco. Principales distribuciones unidimensionales. discretas. Principales distribuciones

Part VI. Distribuciones notables. Estadística I. Mario Francisco. Principales distribuciones unidimensionales. discretas. Principales distribuciones Part VI notables El proceso de Bernoulli En cada observación se clasifica el elemento de la población en una de las dos posibles categorías, correspondientes a la ocurrencia o no de un suceso. Llamaremos

Más detalles

Universidad Nacional de La Plata

Universidad 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 detalles

Probabilidad y Estadística

Probabilidad 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 detalles

9. DIFERENCIACIÓN DE FUNCIONES DE VARIAS VARIABLES.

9. DIFERENCIACIÓN DE FUNCIONES DE VARIAS VARIABLES. 9 DIFERENCIACIÓN DE FUNCIONES DE VARIAS VARIABLES 91 Derivadas parciales y direccionales de un campo escalar La noción de derivada intenta describir cómo resulta afectada una función y = f(x) por un cambio

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

Cálculo de Probabilidades y Estadística. Segunda prueba. 1

Cálculo de Probabilidades y Estadística. Segunda prueba. 1 08231. Cálculo de Probabilidades y Estadística. Segunda prueba. 1 Problema 1. Se eligen tres puntos A, B y C, al azar e independientemente, sobre una circunferencia. Determinar la distribución del valor

Más detalles

2. VARIABLE ALEATORIA. Estadística I Dr. Francisco Rabadán Pérez

2. VARIABLE ALEATORIA. Estadística I Dr. Francisco Rabadán Pérez 2. VARIABLE ALEATORIA Estadística I Dr. Francisco Rabadán Pérez Índice 1. Variable Aleatoria 2. Función de Distribución 3. Variable Aleatoria Discreta 4. Variable Aleatoria Continua 5. Esperanza Matemática

Más detalles

Técnicas Cuantitativas para el Management y los Negocios I

Técnicas 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 detalles

Variables aleatorias. Descripción breve del tema. Objetivos. Descripción breve del tema. Tema 4

Variables aleatorias. Descripción breve del tema. Objetivos. Descripción breve del tema. Tema 4 Descripción breve del tema Variables aleatorias Tema 4 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Descripción breve

Más detalles