MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
|
|
- Ángela Santos
- hace 5 años
- Vistas:
Transcripción
1 MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con sucesos. Leyes de De Morgan. Definición de probabilidad. Probabilidad de la unión, intersección, diferencia de sucesos y suceso contrario o complementario. Regla de Laplace de asignación de probabilidades. Probabilidad condicionada. Teorema de la Probabilidad Total y Teorema de Bayes. CONCEPTOS - Experimento aleatorio: su resultado depende del azar - Espacio muestral (E): es el conjunto de todos los resultados posibles. - Suceso A: cualquier colección de resultados posibles Suceso elemental: contiene un único resultado posible Suceso compuesto: contiene más de un resultado Suceso imposible (ʘ): aquel que nunca ocurre p( ʘ ) = 0 Suceso seguro (E): ocurre siempre (coincide con E) p(e) = 1 Suceso contrario o complementario de A: A p(a) = 1 p(a) - Sucesos incompatibles: A y B son incompatibles si no pueden ocurrir simultáneamente p(a B)=0 UNIÓN E INTERSECCIÓN DE SUCESOS PROBABILIDAD DE UNIÓN DE SUCESOS P(A B)=P(A) + P(B) P(A B) LEY DE LAPLACE Dado un suceso A perteneciente a un espacio muestral E equiprobale: p(a)= DEPENDENCIA E INDEPENDENCIA DE SUCESOS n º resultados favorables a A n º casos posibles - A y B son independientes si la probabilidad de que ocurra uno de ellos no depende de que haya ocurrido el otro: p(a B)=P(A) P(B) - A y B son dependientes si la probabilidad de que ocurra uno de ellos depende de que haya ocurrido el otro. En este caso se define la probabilidad condicionada: 1 MPU
2 p(a B)=p(A) p(b/a) p(b A)=p(B) p( A/B) p(a) p(b/a)= p(b) p( A/B) p(a/b)= p(a) p(b/a) P(B) p(b) p(a /B) p(b/ A)= P(A) p(a/b): Probabilidad de A condicionada por B p(b/a): Probabilidad de B condicionada por A TEOREMA DE LA PROBABILIDAD TOTAL Dados un suceso B y k sucesos A 1, A 2,... A k incompatibles dos a dos: pertenecientes a un espacio muestral E: p(a i ) p(a j )=0 para todo i j P(B)=P(A 1 ) P(B/A 1 )+ P(A 2 ) P(B/A 2 )+... +P(A k ) P(B/A k ) TEOREMA DE BAYES Dados un suceso B y k sucesos A 1, A 2,... A k incompatibles dos a dos (p(a i ) p(a j )=0 para todo i j) pertenecientes a un espacio muestral E: p(a j /B)= p(a j ) p(b/a j ) p(b) p(a = j ) p(b/a j ) P(A 1 ) P(B/A 1 )+ P(A 2 ) P(B/A 2 )+...+P(A k ) P(B/A k ) 2 MPU
3 2) DISTRIBUCIÓN BINOMIAL B(n, p) - Es una distribución de probabilidad de variable discreta, x. - x solo puede tomar valores {0, 1, 2, 3..., n-1, n} (x N) - Está asociada a una experiencia dicotómica: en cada experimento sólo hay dos posibles resultados: A= éxito y A = fracaso. - Características: Se repite un experimento n veces de forma idéntica. Cada experimento es independiente de los anteriores (el resultado no depende de lo ocurrido anteriormente) Media (valor esperado o esperanza matemática): μ = n p Varianza: σ 2 =n p q Desviación típica: σ= n p q Probabilidad de éxito Probabilidad de fracaso Nº veces que se realiza el exp. Probabilidad de obtener r éxitos Cálculo de ( n r ) p(a) = p p(a) = 1 p = q n P (x =r)= ( n r ) pr q n r ( n r ) = n! r! (n r)! Ejemplo: Se lanza una moneda cuatro veces. Calcular la probabilidad de que: a) Salga solo una cara b) Salgan más caras que cruces Solución: Se trata de una B(4; 0,5) ; n = 4; p = 0,5; q = 0,5 a) P (x=1) = ( 4 1 ) (0,5)1 (0,5) 3 = 0,5 b) P (x 3)=P(x=3)+ P (x=4)= ( 4 3 ) (0,5)3 0,5 + ( 4 4) (0,5)4 (0,5) 0 = 0,3125 3) DISTRIBUCIÓN NORMAL N(μ, σ) - Es una distribución de probabilidad de variable continua, x. - x puede tomar cualquier valor (x R) - La distribución de probabilidad se define por medio de una función, llamada función de probabilidad o función de densidad. La campana de Gauss, curva de Gauss o curva normal, es una función de probabilidad continua y simétrica. Su máximo coincide con la media, μ. Existe una curva normal para cada valor de μ y cada valor de σ, denominada N(μ, σ). En la distribución N(μ, σ) a la variable se le denomina x. Para calcular probabilidades en una distribución normal N(μ, σ), se relaciona N(μ, σ) con N(0, 1). Por tanto, la curva normal que vamos a utilizar es N(0, 1), para la cual se dispone de la tabla de distribución normal N(0, 1). Para establecer la relación adecuada entre N(μ, σ) y N(0, 1), hay que tipificar la variable: El cambio k k μ σ se llama tipificación de la variable. 3 MPU
4 La variable tipificada sigue una distribución N(0, 1). En una distribución N(μ, σ) la variable se designa con x En una distribución N(0, 1) la variable se designa con z - En la tabla de distribución normal N(0, 1) se encuentra directamente la probabilidad P (z k) valores de k de 0 a 3. para - Puesto que: P (z = k) = 0 P (z k )=P(z < k ) - El área bajo la curva es igual a 1. - En la distribución N(0, 1) a la variable se le denomina z. - Para una distribución normal estándar N(0, 1) se usa directamente la tabla para hallar P(z k ) P(z k ) P(z 1'45)= 0'9265 Ejemplos P(z k )=1 P(z k ) P(z 1'45)=1 P(z 1'45)=0'0735 P(z k )=1 P(z k) P(z 1)=1 P(z 1)= 0,1586 P(z 1'45)= 1 P(z 1'45)=0'0735 P(a <z b)= P(z b) P(z a) P(1< z 2)=P(z 2) P(z 1)=0,1359 P( k < z k)=2p(z k) 1 P( 1 < z 1)= 2P(z 1) 1=0,6827 P( 1'33 < z 1'33)= 2 P(z 1'33) 1= 0, Para una distribución N (μ, σ), tipificamos la variable: x k z x μ σ Se utiliza la tabla N(0, 1) para hallar P (x k)= P (z x μ ) σ Ejemplo. Los salarios mensuales de los recién graduados que acceden a su primer empleo se distribuyen según una ley normal de media 1300 y desviación típica 600. Calcular el porcentaje de graduados que cobran: a) Menos de 600 al mes b) Entre 1000 y 1500 al mes c) Más de 2200 al mes Solución: - x: variable aleatoria salarios mensuales, en euros, de los recién graduados en su primer empleo. - La distribución de la variable x es N(1300, 600); x = 1300; σ = Hay que tifificar la variable para obtener las probabilidades a partir de la tabla N(0, 1). a) P(x <600) = P(z < )= P(z < 1,17) =1 P(z 1,17) = 1 0,8970 = 0, Por tanto, el 12,1% de los recién graduados cobra menos de 600 al mes en su primer trabajo b) P(1000 < x 1500)= P( < z < ) = P( 0,5 <z 0,33) = = P(z < 0,33) [1 P(z < 0,5)] = 0,6293 (1 0,6915)= 0,3208 Por tanto, el 32,08% de los recién graduados cobra entre 1000 y 1500 al mes en su primer trabajo. 4 MPU
5 c) P(x >2200)= P(z > )= P(z >1,5) =1 P(z 1,5)= 1 0,9332 = 0, Por tanto, el 6,68% de los recién graduados cobra más de 2200 al mes en su primer trabajo. Intervalos característicos a) Para una distribución normal estándar N(0, 1): Buscamos z α/2 para que se cumpla P( z α/2 < z z α/2 )=1 α O lo que es lo mismo: P (z > z α/2 )= α 2 P (z z α/2 )=1 α 2 Para encontrar z α/2 utilizamos la tabla. El intervalo característico para P = 1 α es ( z α/2, z α/2 ) Ejemplo: Calcular el intervalo característico para el 95% (P = 0,95): 1 α = 0,95 α = 0,05 α 2 =0,025 Buscamos z 0,025 para que cumpla P( z 0,025 < z z 0,025 )=0,95 O lo que es lo mismo: P (z > z 0,025 )=0,025 P (z z 0,025 )=0,975 Para encontrar z α/2 utilizamos la tabla: z 0,025 =1,96 Por tanto, el intervalo característico para el 95% es (-1,96; 1,96) b) Para una distribución N (μ, σ) : Buscamos el intervalo correspondiente para N(0, 1): ( z α /2, z α/2 ) Tipificamos y el intervalo resulta ser: (μ z α/2 σ, μ +z α/2 σ) - MUESTREO ESTADÍSTICO. POBLACIÓN Y MUESTRA Conceptos: - Población: Conjunto de todos los elementos objeto del estudio estadístico. - Muestra: Subconjunto de la población que es analizada. - Muestreo: Proceso que consiste en seleccionar una muestra de la población con el fin de obtener parámetros estadísticos sobre la población. Los resultados de un estudio por muestreo siempre tienen un nivel de incertidumbre debido, por un lado, a que solo una parte de la población (la muestra) ha sido analizada y, por otro, a los posibles errores cometidos en la medición de las respuestas. POBLACIÓN Conocemos μ y σ MUESTRA de tamaño n Se deducen datos sobre la distribución de las medias de las muestras Si la población es N (μ, σ) Si la población no es N (μ, σ) La muestra es N ( μ, pero n 30 σ n ) Ejemplo: El cociente intelectual del alumnado de un centro se distribuye según una distribución normal N(110, 15). Extraemos una muestra aleatoria de 36 alumnos/as. Cuál es la probabilidad de que el C.I. medio de la muestra sea superior a 115? Solución: 5 MPU
6 - La población sigue una distribución normal N(110, 15) La muestra es N(110, 15 ) = N(110; 2,5) 36 P( x >115)= P(z > )= P(z > 2)=1 P(z < 2) = 1 0,9772 = 0,0228 2,5 INFERENCIA ESTADÍSTICA MUESTRA de tamaño n Se conoce la media muestral x y a veces la desviación típica de la muestra s (este dato no siempre es necesario) POBLACIÓN Se desconoce la media poblacional μ Se suele conocer la desviación típica de la población σ (Si no se conoce σ, utilizamos s) Se realizan estimaciones de la media poblacional a partir de los datos de la muestra. Dicha estimación tiene un determinado nivel de confianza. La media poblacional no se puede conocer con exactitud. Lo que se puede realizar es una estimación de la media poblacional a partir de los datos de la muestra con un determinado nivel de confianza. Nivel de confianza para la media poblacional (μ): Es el grado de certeza (o probabilidad), con el que queremos realizar la estimación de μ a partir de la muestra. Nivel de confianza: (1 α) 100% Intervalo de confianza para la media: ( x z α/2 σ n, x +z α /2 σ n ) del (1 α) 100% de que este intervalo contiene a μ. significa que tenemos una confianza Conocemos los datos: - De la MUESTRA: Su tamaño (n), la media muestral ( x ), y la desviación típica de la muestra (s). (Este dato no siempre es necesario). - De la POBLACIÓN: La desviación típica de la población (σ ). Si no se conoce σ utilizamos s Podemos hacer una estimación del valor de la media poblacional (μ): Hay una confianza de (1 α ) 100% de que el intervalo ( x z α/2 σ n, x +z α /2 σ n ) contiene a la media poblacional (μ). Error máximo admisible: E =z α /2 σ n Es la longitud del intervalo de confianza Si conocemos E podemos calcular: n, si conocemos 1 α (con 1 α calculamos z α/2 ) 1 α, si conocemos n (despejamos z α/2 utilizando la tabla 1 α) Cálculo de z α/2 buscando en la tabla N(0,1): - Para un nivel de confianza del 95% 1 α = 0,95 α = 0,05 α/2 = 0,025 - Buscamos z 0,025 para que se cumpla P( z 0,025 < z < z 0,025 ) = 0,95 P( z 0,025 < z < z 0,025 ) = 0,95 2P(z < z 0,025 ) 1 = 0,95 P(z < z 0,025 )= 1,95 2 P(z < z 0,025 )= 0,975 Por tanto: z 0,025 = 1,96 6 MPU
7 Ejemplo: Para estimar el peso medio de las chicas de 16 años de una ciudad se toma una muestra aleatoria de 100 de ellas obteniéndose los siguientes parámetros: x = 52, 5 kg y s = 5,3 kg Calcula un intervalo con nivel de confianza del 95% para el peso medio de las chicas de 16 años de la ciudad. Solución: 1 α = 0,95 α = 0,05 α/2 = 0,025 Buscamos z 0,025 utilizando la tabla N(0, 1): z 0,025 = 1,96 Intervalo pedido: (52,5 1,96 5,3 5,3, 52,5 +1,96 )=(51'46, 53'54) Tenemos un nivel de confianza del 95% de que el peso medio de las chicas de 16 años de esa ciudad está entre los 51'46 kg y los 53'54 kg. Ejemplos de cálculo de z α/2 - Cálculo de z α/2 para el nivel confianza del 90% : Nivel de confianza del 90% 1 α= 0,90 α= 0,1 α 2 =0,05 1 α 2 = 0,95 Buscamos en la tabla el valor de z que deja a la izquierda una probabilidad de 0,95 z α/2 =1'645 - Cálculo de z α/2 para el nivel confianza del 99% : Nivel de confianza del 99% 1 α=0,99 α=0,01 α 2 =0,005 1 α 2 =0,995 Buscamos en la tabla el valor de z que deja a la izquierda una probabilidad de 0,95 z α/2 =2'575 - Niveles de confianza más usados: 1 α α z α/2 0'90 0'10 1'645 0'95 0'05 1'96 0'99 0'01 2'575 LA DISTRIBUCIÓN BINOMIAL SE APROXIMA A LA DISTRIBUCIÓN NORMAL 7 MPU
8 Regla para calcular probabilidades mediante la aproximación de una binomial a una normal Si x es B (n, p) y x' es N(np, npq ), entonces: P (x = r ) = P (r 0,5 < x' < r + 0,5) Ejemplo: El 2% de los tornillos fabricados por una máquina son defectuosos. Calcula la probabilidad de que en un lote de de 2000 tornillos haya menos de 50 defectuosos. Solución: Es una binomial B(2000; 0,02); n = 2000; p = 0,02; q = 0,98 μ = np = 40 ; σ= npq =6,26 No es operativo el cálculo de la probabilidad pedida utilizando la fórmula de la distribución binomial. Puesto que np = 40 > 5 y nq = 1960 > 5 se puede asegurar que se aproxima a la normal N(40, 6,26) x es B(2000; 0,02) x' es N(40, 6,26) z es N(0, 1) P(x <50)= P(x' 49,5) = P(z 49,5 40 ) = P(z 1,52) = 0,9357 6,26 8 MPU
RESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
RESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
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 detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesCuando la distribución viene dada por una tabla: 2. DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA.
1. DISTRIBUCIONES ESTADÍSTICAS. El siguiente grafico corresponde a una distribución de frecuencias de variable cuantitativa y discreta pues solo puede tomar valores aislados (0, 1, 2, 3, 10). Se trata
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesEsquema Matemáticas CCSS
Esquema Matemáticas CCSS 4. Inferencia Conocer el vocabulario básico de la Inferencia Estadística: población, individuos, muestra, tamaño de la población, tamaño de la muestra, muestreo aleatorio. Conocer
Más detallesBloque I: Estadística y Probabilidad
Bloque I: Estadística y Probabilidad 1. Probabilidad 1. Teoría de la probabilidad 2. Probabilidad condicionada 3. Dependencia e independencia de sucesos 4. Técnicas de recuento: diagramas de árbol, tablas
Más detallesEstadística aplicada al Periodismo
Estadística aplicada al Periodismo Temario de la asignatura Introducción. Análisis de datos univariantes. Análisis de datos bivariantes. Series temporales y números índice. Probabilidad y Modelos probabilísticos.
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 detalles1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES
1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES TEMAS 14 y 15.- DISTRIBUCIONES DISCRETAS. LA DISTRIBUCIÓN BINOMIAL. DISTRIBUCIONES CONTINUAS. LA DISTRIBUCIÓN NORMAL 1 1.- VARIABLES ALEATORIAS DISCRETAS Concepto
Más detallesProbabilidad del suceso imposible
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I TEMA 6.- ESTADÍSTICA INFERENCIAL PROFESOR: RAFAEL NÚÑEZ -------------------------------------------------------------------------------------------------------------------------------------------------------------.-
Más detallesTema 12: Distribuciones de probabilidad
Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:
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 detallesEjemplo: Si lanzamos un dado 7 veces y 3 de ellas nos sale par, la frecuencia
Probabilidad La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles,
Más detallesAl conjunto de todos los sucesos que ocurren en un experimento aleatorio se le llama espacio de sucesos y se designa por S. Algunos tipos de sucesos:
1.- CÁLCULO DE PROBABILIDADES. Un experimento aleatorio es aquel que puede dar lugar a varios resultados, sin que pueda ser previsible enunciar con certeza cuál de éstos va a ser observado en la realización
Más detallesDistribución de probabilidad
Los experimentos aleatorios originan resultados y los resultados nos permiten tomar decisiones Por ejemplo, en un partido de fútbol si se lanza una moneda y sale cara parte la visita, de lo contrario parte
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E un número real: X: E Ejemplo: Consideremos el experimento
Más detallesTEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL.
TEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL. 10.1 Experimentos aleatorios. Sucesos. 10.2 Frecuencias relativas y probabilidad. Definición axiomática. 10.3 Distribuciones de
Más detallesINFERENCIA DE LA PROPORCIÓN
ESTADISTICA INFERENCIA DE LA PROPORCIÓN DISTRIBUCIÓN MUESTRAL DE PROPORCIONES En una población la proporción de elementos (personas, animales, cosas o entes) que posee una cierta característica es p. En
Más detallesTema 5: Modelos probabilísticos
Tema 5: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
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 detallesEn el resultado de los experimentos aleatorios interviene el azar, cuando ésto no ocurre así, hablaríamos de sucesos deterministas.
1.- EXPERIMENTOS ALEATORIOS Y SUCESOS Un experimento aleatorio es aquel que cumple las siguientes condiciones: Se conocen todos sus posibles resultados No se puede conocer el resultado que se obtendrá
Más detallesGRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD
GRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD Prof. Rosario Martínez Verdú TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD 1. Nociones básicas de teoría de la probabilidad. 2. Variable
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesNIVELACIÓN DE ESTADISTICA. Carlos Darío Restrepo
NIVELACIÓN DE ESTADISTICA Qué es la probabilidad? La probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se realiza un experimento. Por ejemplo: tiramos un dado al aire y
Más detallesTeorema del límite central
TEMA 6 DISTRIBUCIONES MUESTRALES Teorema del límite central Si se seleccionan muestras aleatorias de n observaciones de una población con media y desviación estándar, entonces, cuando n es grande, la distribución
Más detallesPPTCEG061EM33-A17V1. Distribución normal 1
PPTCEG061EM33-A17V1 Distribución normal 1 Propiedades distribución normal Distribución normal tipificada Es una distribución estadística continua cuya función de densidad es simétrica, y cuya forma se
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 detallesD I S T R I B U C I Ó N N O R M A L
D I S T R I B U C I Ó N N O R M A L 1. V A R I A B L E A L E A T O R I A C O N T I N U A. F U N C I O N E S A S O C I A D A S Variable aleatoria continua es aquella que puede tomar valores en un conjunto
Más detallesDistribuciones discretas. Distribución binomial
Variables aleatorias discretas y continuas Se llama variable aleatoria a toda función definida en el espacio muestral de un experimento aleatorio que asocia a cada elemento del espacio un número real.
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesTema 6. Variables aleatorias continuas. Distribución Normal
Tema 6. Variables aleatorias continuas. Distribución Normal Indice 1. Distribuciones de probabilidad continuas.... 2 2. Distribución Normal... 5 2.1. Distribución Normal estándar N(0,1).... 5 2.1.1 Utilización
Más detallesVARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS.
VARIABLE ALEATORIA CONTINUA VARIABLES ALEATORIAS CONTINUAS º Bto. CC.SS. Una variable aleatoria es continua si puede tomar, al menos teóricamente, todos los valores comprendidos en un cierto intervalo
Más detallesANEXO.- DISTRIBUCIÓN BINOMIAL. DISTRIBUCIÓN NORMAL
ANEXO.- DISTRIBUCIÓN BINOMIAL. DISTRIBUCIÓN NORMAL. VARIABLES ALEATORIAS Consideremos el experimento de lanzar 3 monedas. Tenemos que su espacio muestral es E CCC, CCX, CXC, XCC, CXX, XCX, XXC, XXX Donde
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
Más detallesPROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA
UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función
Más detallesTema 3: Inferencia estadística. Estimación de la media y la proporción
Tema 3: Inferencia estadística. Estimación de la media y la proporción Intervalo característico Valor crítico. Intervalo característico para una N(0, 1). Intervalo característico para una N(μ, ). Distribución
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 detallesNº Hermanos 30 Alumnos X i f i P(X i ) 0 8 0, , , , , ,00
U.D.3: Distribuciones Discretas. La Distribución Binomial 3.1 Variable Aleatoria Discreta. Función o Distribución de Probabilidad. Variable Aleatoria: - En un experimento aleatorio, se llama variable aleatoria
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 detallesTEMA 2: DISTRIBUCIÓN DE PROBABILIDAD
TEMA 2: DISTRIBUCIÓN DE PROBABILIDAD A partir de un experimento aleatorio cualquiera, se obtiene su espacio muestral E. Se llama variable aleatoria a una ley (o función) que a cada elemento del espacio
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 detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más 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 detallesTema 3: Inferencia estadística. Estimación de la media y la proporción
Tema 3: Inferencia estadística. Estimación de la media y la proporción Intervalo característico Valor crítico. Intervalo característico para una N(0, 1). Intervalo característico para una N(μ, ). Distribución
Más detallesBioestadística: Variables Aleatorias. Distribuciones de Probabilidad II
Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II M. González Departamento de Matemáticas. Universidad de Extremadura 3. El periodo de incubación de una determinada enfermedad se
Más detallesAPUNTES SOBRE INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES
APUNTES SOBRE INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES Probabilidad es el experimento libre de determinación P = X * 100 n Reyes Donis, José Luis INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES Probabilidad
Más detallesTema 5 Modelos de distribuciones de Probabilidad
Tema 5 Modelos de distribuciones de Probabilidad Variable aleatoria unidimensional Dado un espacio de Probabilidad (E, F, P), una variable aleatoria es una aplicación del espacio muestral E al conjunto
Más detallesLa distribución normal
La Distribución Normal Es una distribución continua que posee, entre otras, las propiedades siguientes: Su representación gráfica tiene forma de campana ( campana de Gauss ) -6-4 -2 0 2 4 6 2 4 6 8 10
Más detallesUNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD
UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD La Distribución de Probabilidad (DP) es la relación que se da entre los diferentes eventos de un espacio muestral y sus respectivas probabilidades de ocurrencia.
Más detallesTEMA: AZAR Y PROBABILIDAD.
TEMA: AZAR Y PROBABILIDAD. 1. EXPERIENCIAS ALEATORIAS. SUCESOS. Una experiencia aleatoria es toda aquella cuyo resultado depende del azar. (Extraer una carta de una baraja, lanzar una moneda, lanzar unos
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 detallesApuntes de Estadística Curso 2017/2018 Esther Madera Lastra
1 1. MEDIA Y DESVIACIÓN TÍPICA DE DISTRIBUCIONES La media de un conjunto de datos se calcula sumando todos los datos y dividiendo entre el número de datos. La varianza de un conjunto de datos se calcula
Más detallesINFERENCIA ESTADÍSTICA
INFERENCIA ESTADÍSTICA 1. DEFINICIÓN DE INFERENCIA ESTADÍSTICA Llamamos Inferencia Estadística al proceso de sacar conclusiones generales para toda una población a partir del estudio de una muestra, así
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesCAPÍTULO 5 DISTRIBUCIONES TEÓRICAS
CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS Hugo Grisales Romero Profesor titular CONCEPTOS BÁSICOS Experimento: Variable aleatoria: Clasificación: Proceso por medio del cual una medición se obtiene. Aquella que
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
Más detallesBLOQUE III III ESTADÍSTICA Y PROBABILIDAD
III BLOQUE III ESTADÍSTICA Y PROBABILIDAD Página 330 1 Calcula P[A «B] y P[A» B] sabiendo que: P[A] = 0,6 P[B] = 0,8 P[A «B] P[A» B] = 0,4 P[A «B] = P[A] +P[B] P[A» B] = 0,6 + 0,8 P[A» B] Como P[A «B]
Más detallesTema 6: Modelos probabilísticos
Tema 6: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
Más detallesTema 2 Modelos de probabilidad
Tema 2 Modelos de probabilidad José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Estructura de este tema Conceptos básicos de probabilidad. Modelos discretos: la distribución
Más detallesProbabilidad. Estadística II. Curso 2011/2012. Universidad de Salamanca
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 3 4 5 6 Introducción Cuándo se utiliza? Utilizamos el cálculo de probabilidades cuando necesitamos obtener conclusiones
Más detalles1.- Concepto de variable aleatoria
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 5.- ESTADÍSTICA INFERENCIAL PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesAnálisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Antofagasta, Junio de 2014 Freddy
Más detallesIMADIL /12/2014
IMADIL 2014 1. Introducción 2. Definiciones previas 3. Axiomas de la probabilidad 4. Definición de variable aleatoria 5. Variables aleatorias discretas y continuas 6. Modelos de probabilidad: Distribución
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesPart 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 detallesINGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005
INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005 1. En una pequeña empresa con 60 empleados, 25 son personal de fábrica y están cobrando unos sueldos semanales (en euros) en función a su antigüedad de: 300
Más detallesUNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO CURSO 2012-2013 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesEXAMEN DE ESTADÍSTICA Junio 2011
EXAMEN DE ESTADÍSTICA Junio 2011 Apellidos: Nombre: DNI: GRUPO: 1. Sea X una variable aleatoria discreta. Determine el valor de k para que la función p(x) { k/x x 1, 2, 3, 4 0 en otro caso sea una función
Más detallesEstadística I Tema 5: Introducción a la inferencia estadística
Estadística I Tema 5: Introducción a la inferencia estadística Tema 5. Introducción a la inferencia estadística Contenidos Objetivos. Estimación puntual. Bondad de ajuste a una distribución. Distribución
Más detallesCarrera: Ingeniería Zootecnista E S T A D I S T I C A
Carrera: Ingeniería Zootecnista E S T A D I S T I C A DISTRIBUCIONES DE PROBABILIDAD Una función de probabilidad es aquella que surge al asignar probabilidades a cada uno de los valores de una variable
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesEXPERIENCIAS ALEATORIAS. SUCESOS
Matemáticas 2ºBachillerato Aplicadas a las Ciencias Sociales 3º Evaluación Probabilidad EXPERIENCIAS ALEATORIAS. SUCESOS Experiencias Deterministas y Aleatorias Experiencias deterministas: son aquellos
Más detallesENUNCIADO y SOLUCIONES. Problema 1
Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.
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 detallesR E S O L U C I Ó N. σ σ a) El intervalo de confianza de la media poblacional viene dado por: IC.. µ zα, µ+ zα
En una población una variable aleatoria sigue una ley Normal de media desconocida y desviación típica. a) Observada una muestra de tamaño 400, tomada al azar, se ha obtenido una media muestral igual a
Más detallesLlamando: y = número de kg de B. La función objetivo a minimizar es: F (x, y) = 5x + 4y. con las restricciones: y 1,5x x 500 y 500 x + y 600 x 0 y 0
OPCIÓN A 1. Un producto se compone de la mezcla de otros dos A y B. Se tienen 500 kg de A y 500 kg de B. En la mezcla, el peso de B debe ser menor o igual que 1,5 veces el de A. Para satisfacer la demanda,
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 detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más 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 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 detallesMÓDULO I. TEORÍA DE LA PROBABILIDAD
UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:
Más detallesE2. Considera la siguiente función densidad de probabilidad:
Distribución Normal. 2 Distribuciones Continuas de Probabilidad. Muchos experimentos dan como resultado una variable aleatoria continua. Es decir: que puede tomar cualquier valor en un intervalo, no sólamente
Más detallesRESUMEN PROGRAMACIÓN ESTADÍSTICA II. 2. Calcular permutaciones, variaciones y combinaciones.
RESUMEN PROGRAMACIÓN ESTADÍSTICA II OBJETIVOS 1. Conocer las principales técnicas de recuento. 2. Calcular permutaciones, variaciones y combinaciones. 3. Conocer y aplicar el lenguaje de los sucesos y
Más detallesEstadística Grupo V. Tema 10: Modelos de Probabilidad
Estadística Grupo V Tema 10: Modelos de Probabilidad Algunos modelos de distribuciones de v.a. Hay variables aleatorias que aparecen con frecuencia en las Ciencias Sociales y Económicas. Experimentos dicotómicos
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
Más detallesTema 13: Distribuciones de probabilidad. Población y muestra
Tema 13: Distribuciones de probabilidad. Población y muestra 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio,
Más detallesIntervalo para la media si se conoce la varianza
178 Bioestadística: Métodos y Aplicaciones nza para la media (caso general): Este se trata del caso con verdadero interés práctico. Por ejemplo sirve para estimar intervalos que contenga la media del colesterol
Más detallesTema 13. Distribuciones de Probabilidad Problemas Resueltos
Tema 3. Distribuciones de Probabilidad Problemas Resueltos Distribución de Probabilidad. Una variable aleatoria discreta, X, se distribuye como se indica en la siguiente tabla: ( ) a) Halla el valor de
Más detallesA mis padres. A Paco y Eva.
A mis padres. A Paco y Eva. ÍNDICE 1. UNIDAD 1: Formas de contar. Números para contar... 9 1.1 Variaciones ordinarias... 9 1.2 Variaciones con repetición... 10 1.3 Permutaciones ordinarias... 11 1.4 Permutaciones
Más detalles