Variables Aleatorias y Distribuciones de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
|
|
- Tomás Campos Peralta
- hace 8 años
- Vistas:
Transcripción
1 Variables Aleatorias Distribuciones de Probabilidad UCR ECCI CI-5 Probabilidad Estadística Pro. M.Sc. Krscia Daviana Ramírez Benavides
2 Variable Aleatoria Una variable aleatoria es una unción que asocia un número real con cada elemento del espacio muestral. Se utiliza una letra maúscula, por ejemplo X, para denotar una variable aleatoria, su correspondiente minúscula, en este caso, para denotar a cada uno de sus valores. Cada valor de X representa un evento que es un subconjunto del espacio muestral para el eperimento dado. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
3 Variable Aleatoria (cont.) Ejemplo: Se sacan dos bolas de manera sucesiva sin reemplazo de una urna que contiene cuatro bolas rojas tres negras. Los posibles resultados los valores de la variable aleatoria X, donde X es el número de bolas rojas, son: Espacio Muestral RR RN NR NN UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
4 Variable Aleatoria (cont.) Si un espacio muestral contiene un número inito de posibilidades, o una serie interminable con tantos elementos como números enteros eisten, se llama espacio muestral discreto. Una variable aleatoria se llama variable aleatoria discreta si se puede contar su conjunto de resultados posibles. Si un espacio muestral contiene un número ininito de posibilidades igual al número de puntos en un segmento de línea, se llama espacio muestral continuo. Una variable aleatoria se llama variable aleatoria continua si puede tomar valores en una escala continua. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 4
5 Variable Aleatoria (cont.) En la maor parte de los problemas prácticos, las variables aleatorias continuas representan datos medidos, como todos los posibles pesos, alturas, temperaturas, distancias o periodos de vida. Mientras que las variables aleatorias discretas representan datos contados, como el número de artículos deectuosos en una muestra de k artículos o el número de accidentes de carretera por año en un país. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 5
6 Distribuciones Discretas de Probabilidad El conjunto de pares ordenados (, ()) es una distribución de probabilidad o unción de masa de probabilidad de la variable aleatoria discreta X si, para cada resultado posible,... P ( ) ( ) ( X ) ( ) UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 6
7 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 7 Distribuciones Discretas de Probabilidad (cont.) Ejemplo #: Ha tres computadoras deectuosas de un conjunto de ocho similares en una tienda. Si una escuela hace una compra al azar de dos de estas computadoras, cuál es la distribución de probabilidad para el número de deectuosas? Sea X una variable aleatoria cuos valores de son la cantidad posible de computadoras deectuosas que compra la escuela. Entonces puede ser cualquiera de los números,. ( ) ( ) ( ) ( ) ( ) ( ) ( ) X P X P X P
8 Distribuciones Discretas de Probabilidad (cont.) Ejemplo #: Si una agencia de autos vende 5% de su inventario de cierto vehículo etranjero equipado con bolsas de aire, encontrar una órmula para la distribución de probabilidad del número de autos con bolsas de aire entre los siguientes cuatro vehículos que venda la agencia. Sea X una variable aleatoria cuos valores de son la cantidad posible de los cuatro autos vendidos que tienen bolsa de aire. Entonces puede ser cualquiera de los números,,, ( ) P( X ) para,,,, UCR-ECCI CI-5 Probabilidad Estadística ( ) Variables Aleatorias Distribuciones de Probabilidad 8
9 Distribuciones Discretas de Probabilidad (cont.) Ha muchos problemas en donde se desea calcular la probabilidad de que el valor observado de una variable aleatoria X sea menor o igual que algún número real. La distribución acumulada o unción de distribución F() de una variable aleatoria discreta X con distribución de probabilidad () es F Como consecuencia ( ) P( X ) ( t) < < t ( ) F( ) F( ) UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 9
10 Distribuciones Discretas de Probabilidad (cont.) Ejemplo: Para el ejemplo # anterior, se calcula las distribuciones acumuladas. F F F F F ( ) ( ) ( ) 6 6 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( 4) ( ) ( ) ( ) ( ) ( 4) UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad F ( ) < < < < < 4 4
11 Distribuciones Discretas de Probabilidad (cont.) Es útil ver de orma gráica una distribución de probabilidad. Los puntos (, ()) se pueden graicar mediante un gráico de barras. El gráico permite observar de orma ácil qué valores de X tienen más probabilidad de ocurrencia. () 5/6 4/6 /6 /6 /6 /6 9/6 8/6 7/6 6/6 5/6 4/6 /6 /6 /6 4 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
12 Distribuciones Discretas de Probabilidad (cont.) Los puntos (, ()) se pueden graicar mediante un gráico llamado histograma de probabilidad. Este se utiliza para las distribuciones de probabilidad de v.a. continuas, a que el ancho de los rectángulos representan intervalos esto áreas. () 5/6 4/6 /6 /6 /6 /6 9/6 8/6 7/6 6/6 5/6 4/6 /6 /6 /6 4 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
13 Distribuciones Discretas de Probabilidad (cont.) También es útil ver de orma gráica una distribución acumulada. Los puntos (, F()) se pueden graicar mediante un diagrama de recuencias acumuladas. 5/6 4/6 /6 /6 /6 /6 9/6 8/6 7/6 6/6 5/6 4/6 /6 /6 /6 F() 4 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
14 Distribuciones Continuas de Probabilidad Una variable aleatoria continua tiene una probabilidad cero de tomar eactamente cualquiera de sus valores. Por lo cual, su distribución de probabilidad no se puede dar en orma tabular, pero se puede establecer como una órmula. En este tipo de variables se trata con un intervalo en lugar de un valor puntual de nuestra variable aleatoria. Se trata el cálculo de probabilidades para varios intervalos de variables aleatorias continuas como P(a < X < b), P(X > a), etc. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 4
15 Distribuciones Continuas de Probabilidad (cont.) Cuando X es continua, se puede notar que P ( a < X b) P( a < X < b) P( X b) P( a < X < b) No importa si incluimos o no un etremo del intervalo. Esto no es cierto cuando X es discreta. La órmula que se utiliza para una variable aleatoria continua, será unción de los valores numéricos de la variable X, como tal, se representará mediante la notación () se le llama unción de densidad de probabilidad, o simplemente unción de densidad de X. Se utilizan áreas para representar probabilidades son valores numéricos positivos, la unción de densidad debe estar completamente por arriba del eje. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 5
16 Distribuciones Continuas de Probabilidad (cont.) () a ( a < X b) P < b UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 6
17 Distribuciones Continuas de Probabilidad (cont.) La unción () es una unción de densidad de probabilidad (dp) para la variable aleatoria continua X, deinida en el conjunto de números reales R, si... P ( ) ( ) R d b ( a < X < b) ( ) a d UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 7
18 Distribuciones Continuas de Probabilidad (cont.) Ejemplo: El error en la temperatura de reacción, en ºC, para un eperimento de laboratorio controlado es una variable aleatoria continua X que tiene dp ( ) < Veriicar la condición de la deinición encontrar P( < X ). < otro caso UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 8
19 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 9 Distribuciones Continuas de Probabilidad (cont.) Ejemplo: Eperimento de laboratorio controlado es una variable aleatoria continua X. Veriicar la condición de la deinición encontrar P( < X ). ( ) ( ) < d X P d d
20 Distribuciones Continuas de Probabilidad (cont.) La distribución acumulada de probabilidad F() de una variable aleatoria continua X con dp () es F ( ) P( X ) ( t) dt < < Como consecuencia si eiste la derivada P ( a < X < b) F( b) F( a) df ( ) ( ) d UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
21 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad Distribuciones Continuas de Probabilidad (cont.) Ejemplo: Para la dp del ejemplo anterior, encontrar F(), utilizarla para evaluar P( < X ). ( ) ( ) ( ) ( ) ( ) ( ) < < < F F X P F t dt t dt t F
22 Distribuciones Continuas de Probabilidad (cont.) Los puntos (, ()) se pueden graicar mediante un gráico llamado histograma de probabilidad. El ancho de los rectángulos representan intervalos esto áreas. () / / / 9/ 8/ 7/ 6/ 5/ 4/ / / - UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
23 Distribuciones Continuas de Probabilidad (cont.) También es útil ver de orma gráica una distribución acumulada. Los puntos (, F()) se pueden graicar mediante un diagrama de recuencias acumuladas. F() 8/9 7/9 6/9 5/9 4/9 /9 /9 /9 - UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
24 Distribuciones de Probabilidad Otro cálculos de probabilidad: P P ( X ) P( X < ) ( X > ) P( X ) En el caso continuo no importa si incluimos o no un etremo del intervalo. En el caso discreto sí importa si incluimos o no un etremo del intervalo. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 4
25 Distribuciones de Probabilidad Conjunta Hasta el momento se ha visto el estudio de variables aleatorias sus distribuciones de probabilidad que se restringe a espacios muestrales unidimensionales, en los que se registra los resultados de un eperimento como valores que toma una sola variable aleatoria. Habrá situaciones, sin embargo, donde se puede encontrar que es deseable registrar los resultados simultáneos de diversas variables aleatorias. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 5
26 La unción (,) es una distribución de probabilidad conjunta o unción de masa de probabilidad de las variables aleatorias discretas X Y si... P (, ) (, ) (, ) ( X, Y ) (, ) Para cualquier región A en el plano, P[(X,Y) (,)]. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 6
27 Ejemplo: Se seleccionan al azar dos repuestos para un bolígrao de una caja que contiene tres repuestos azules, dos rojos tres verdes. Si X es el número de repuestos azules Y es el número de repuestos rojos que se seleccionan, encontrar la unción de probabilidad conjunta (,) P[(X,Y) A], donde A es la región {(,) }. El número total de ormas posibles de seleccionar dos repuestos de ocho es C(8,) 8. Los posibles pares de valores (,) son: (,), (,), (,), (,), (,) (,). El valor (,) corresponde a seleccionar al azar azules, rojos verdes; o sea, C(,)C(,)C(,). Entonces, (,) representa la probabilidad de seleccionar cero azules rojos, dos verdes; o sea, (,) /8. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 7
28 (,) Totales por Fila /8 9/8 /8 5/8 6/8 6/8 - /8 /8 - - /8 Totales por Columna /8 5/8 /8 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 8
29 Ejemplo: Se seleccionan al azar dos repuestos para un bolígrao de una caja que contiene tres repuestos azules, dos rojos tres verdes. Si X es el número de repuestos azules Y es el número de repuestos rojos que se seleccionan, encontrar la unción de probabilidad conjunta (,) P[(X,Y) A], donde A es la región {(,) }. La probabilidad conjunta, entonces, se puede representar mediante la órmula:,, (, ),, 8 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 9
30 Ejemplo: Se seleccionan al azar dos repuestos para un bolígrao de una caja que contiene tres repuestos azules, dos rojos tres verdes. Si X es el número de repuestos azules Y es el número de repuestos rojos que se seleccionan, encontrar la unción de probabilidad conjunta (,) P[(X,Y) A], donde A es la región {(,) }. El cálculo de P[(X,Y) A] se realiza de la siguiente manera: P P [( X, Y ) A] [( X, Y ) A] P( X Y (,) (,) (,) UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad ) 9 8
31 La unción (,) es una unción de densidad de probabilidad conjunta de las variables aleatorias continuas X Y si.,,.. P ( ) ( ) (, ) dd [( X, Y ) A] (, ) dd para cualquier región A en el plano. A UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
32 Ejemplo: Una ábrica de dulces distribue cajas de chocolates con un surtido de cremas, chiclosos nueces, cubiertas de con chocolate claro oscuro. Para una caja seleccionada al azar, sean X Y, respectivamente, las proporciones de chocolates claro oscuro que son cremas, suponga que la unción de densidad conjunta es ( ), (, ) 5 otro caso Veriicar la condición de la deinición encontrar P[(X,Y) A], donde A está la región {(,) < < ½, ¼ < < ½}. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
33 (, ) dd ( ) (, ) dd d 5 dd d UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
34 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 4 Distribuciones de Probabilidad Conjunta (cont.) ( ) [ ] ( ) ( ) [ ] , ,, < < < < A Y X P d d dd Y X P A Y X P
35 Las distribuciones marginales de X sola Y sola son: Para el caso discreto, g() h() son las distribuciones de probabilidad de las variables aleatorias X Y. ( ) g( ) (, ) ( ) h( ) (, ) Para el caso continuo, g() h() son las unciones de densidad de las variables aleatorias X Y ( ) g( ) (, ) d ( ) h( ) (, ) d UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 5
36 Ejemplo #: Obtener las distribuciones marginales de X sola Y sola del ejemplo de la distribución conjunta de las variables discretas. P( X ) ( ) g( ) (, ) (,) (,) (,) P P P P ( X ) ( ) g( ) ( X ) ( ) g( ) (, ) (,) (, ) (, ) ( X ) ( ) g( ) ( X ) ( ) g( ) (, ) (,) (,) (,) P( X ) ( ) g( ) 8 8 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
37 Ejemplo #: Obtener las distribuciones marginales de X sola Y sola del ejemplo de la distribución conjunta de las variables discretas. P( Y ) ( ) h( ) (,) (,) (,) (,) ( ) ( ) h( ) P Y ( ) ( ) h( ) (,) (,) (, ) (,) P Y ( ) ( ) h( ) P Y ( ) ( ) h( ) (,) (,) (, ) (,) P Y P( Y ) ( ) h( ) 8 8 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
38 (,) Totales por Fila /8 9/8 /8 5/8 6/8 6/8 - /8 /8 - - /8 Totales por Columna /8 5/8 /8 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 8
39 Se puede observar que los resultados de las distribuciones marginales corresponden a los totales de las columnas ilas respectivos de los valores (,). Y la suma individual de los valores de g() h() dan, cumpliendo la deinición de distribución de probabilidad. g() 5/4 5/8 /8 h() 5/8 /7 /8 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 9
40 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 4 Distribuciones de Probabilidad Conjunta (cont.) Ejemplo #: Obtener las distribuciones marginales de X sola Y sola del ejemplo de la distribución conjunta de las variables continuas. ( ) ( ) ( ) ( ) ( ) ( ) , g d d g ( ) ( ) ( ) ( ) ( ) ( ) , h d d h
41 Ejemplo #: Obtener las distribuciones marginales de X sola Y sola del ejemplo de la distribución conjunta de las variables continuas. 4 g( ) 5 otro caso h ( ) 6 5 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 4 otro caso
42 Se puede observar que las distribuciones marginales g() h() son distribuciones de probabilidades de las variables individuales X Y, cumpliendo la deinición de distribución de probabilidad (dp). P P g ( ) d (, ) dd ( a < X < b) P( a < X < b, < Y < ) b b ( a < X < b) (, ) dd g( )d a a UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 4
43 Se puede observar que las distribuciones marginales g() h() son distribuciones de probabilidades de las variables individuales X Y, cumpliendo la deinición de distribución de probabilidad (dp). P P h ( ) d (, ) dd ( a < Y < b) P( < X <, a < Y < b) b b ( a < Y < b) (, ) dd h( )d a a UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 4
44 Sean X Y dos variables aleatorias, discretas o continuas. La distribución de probabilidad condicional de la variable aleatoria Y, dado que X, es: ( ) (, ) ( ), g g ( ) > La distribución de probabilidad condicional de la variable aleatoria X, dado que Y, es: ( ) (, ) ( ), h h ( ) > UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 44
45 Si se desea encontrar la probabilidad de que la variable aleatoria discreta X caiga entre a b cuando se sabe que la variable aleatoria discreta Y, se evalúa: P ( a < X < by ) ( ) Si se desea encontrar la probabilidad de que la variable aleatoria discreta Y caiga entre a b cuando se sabe que la variable aleatoria discreta X, se evalúa: P ( a < Y < b X ) ( ) UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 45
46 Si se desea encontrar la probabilidad de que la variable aleatoria continua X caiga entre a b cuando se sabe que la variable aleatoria continua Y, se evalúa: P ( a < X < by ) ( )d Si se desea encontrar la probabilidad de que la variable aleatoria continua Y caiga entre a b cuando se sabe que la variable aleatoria continua X, se evalúa: P b a ( a < Y < b X ) ( )d b a UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 46
47 Ejemplo #: Obtener la distribución condicional de X, dado que Y, utilizarla para determinar P(X Y ), del ejemplo de la distribución conjunta de las variables discretas. Se debe encontrar ( ), donde, por lo tanto se debe encontrar primero h(): h ( ) ( ) (,) (,) ( ) 6 8 (,) h 7 7 (,),, UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 47
48 (,) Totales por Fila /8 9/8 /8 5/8 6/8 6/8 - /8 /8 - - /8 Totales por Columna /8 5/8 /8 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 48
49 g() 5/4 5/8 /8 h() 5/8 /7 /8 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 49
50 ( ) h (,) ( ) ( ) (,) ( ) (, ) (,) 7 ( ) (,) 7 (,) ,, UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 5
51 Ejemplo #: La distribución condicional de X, dado que Y es: ( ) / / UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 5
52 Ejemplo #: La P(X Y ), utilizando la distribución condicional de X, dado que Y, es: ( ) ( ) P X Y Por lo tanto, si sabe que uno de los repuestos seleccionados es rojo, se tiene una probabilidad de ½ de que el otro repuesto no sea azul. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 5
53 Ejemplo #: La densidad conjunta para las variables aleatorias (X,Y), donde X es el cambio de temperatura unitario Y es la proporción de desplazamiento espectral que produce cierta partícula atómica es: < < < (, ) otro caso Encontrar las densidades marginales g() h(), la densidad condicional ( ). Encontrar la probabilidad de que el espectro se desplace más de la mitad de las observaciones totales, dado que la temperatura aumenta a.5 de unidad. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 5
54 g h Ejemplo #: Las densidades marginales g() h(), la densidad condicional ( ) son: ( ) (, ) ( d d ) 4 ( ) (, ) d d 5 5, < <, < < ( ) (, ) ( ) ( ) ( ) < < g < UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 54
55 Ejemplo #: La probabilidad de que el espectro se desplace más de la mitad de las observaciones totales, dado que la temperatura aumenta a.5 de unidad es: P Y P Y > X.5 (.5) d > X.5 ( 6 64) (.5 ) UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad d
56 Sean X Y dos variables aleatorias, discretas o continuas, con distribución de probabilidad conjunta (,) distribuciones marginales g() h(), respectivamente. Se dice que las variables aleatorias X Y son estadísticamente independientes si sólo si (, ) g( ) h( ) para toda (,) dentro de sus rangos. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 56
57 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 57 Distribuciones de Probabilidad Conjunta (cont.) Prueba: Si ( ) no depende de, entonces ( ) g() (,) g()h(). Demostración: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) h g g h h g h g h,,,
58 Prueba: Si ( ) no depende de, entonces ( ) g() (,) g()h(). Demostración: g g (, ) ( ) h( ) ( ) (, ) d ( ) h( ) ( ) ( ) h( ) h ( ) d d g( ) ( ) (, ) g( ) h( ) UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 58 d
59 Ejemplo #: Mostrar que las variables aleatorias del ejemplo de la distribución conjunta de las variables discretas no son estadísticamente independientes. Se considera el punto (,). De los cálculos la tabla anteriores se encuentra que las tres probabilidades (,), g() h() son (,) g ( ) (, ) h ( ) (,) (,) g( ) h( ) UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad
60 Ejemplo #: La densidad conjunta para las variables aleatorias (X,Y) es: ( ) < <, < < (, ) 4 otro caso Encontrar las densidades marginales g() h(), la densidad condicional ( ). Demostrar que son estadísticamente independientes. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 6
61 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 6 Distribuciones de Probabilidad Conjunta (cont.) Ejemplo #: Las densidades marginales g() h(), la densidad condicional ( ) son: ( ) ( ) ( ) ( ) ( ) ( ), 8 8 4,, 4 4 4, < < < < d d h d d g ( ) ( ) ( ) ( ) ( ) 4, < < h
62 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 6 Distribuciones de Probabilidad Conjunta (cont.) Ejemplo #: Las variables aleatorias X Y son estadísticamente independientes: ( ) ( ) ( ) ( ) ( ) ( ) 4 4 4, h g
63 Todas las deiniciones anteriores respecto a dos variables aleatorias se pueden generalizar al caso de n variables aleatorias. Sea (,,, n ) la unción de probabilidad conjunta de las variables aleatorias,,, n. La distribución marginal de X, por ejemplo, es g g ( )... (,,..., ), caso discreto ( )... (,,..., ) d d... d, caso continuo n n n n UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 6
64 Y se puede obtener distribuciones marginales conjuntas como ø(, ), donde φ (, )... n... (,,..., ) (,,..., ) n n d d 4... d n caso discreto caso continuo UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 64
65 Se pueden considerar numerosas distribuciones condicionales. Por ejemplo, la distribución condicional conjunta de X, X X, dado que X 4 4, X 5 5,, X n n, se escribe como (,,,,..., ) 4 5 n (,,..., n ) (,,..., ) Donde g( 4, 5,, n ) es la distribución marginal conjunta de las variables aleatorias X 4, X 5,, X n. g 4 5 n UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 65
66 Sean X, X,, X n n variables aleatorias, discretas o continuas, con distribución de probabilidad conjunta (,,, n ) distribuciones marginales ( ), ( ),, n ( n ), respectivamente. Se dice que las variables aleatorias X, X,, X n son estadísticamente independientes mutuamente si sólo si (,..., ) ( ) ( ) ( )..., n para toda (,,, n ) dentro de sus rangos. n n UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 66
67 Ejemplo: El tiempo de vida, en años, de cierto producto alimenticio perecedero empacado en cajas de cartón es una variable aleatoria cua unción de densidad de probabilidad está dada por e > ( ) otro caso Sean X, X X los tiempos de vida para tres de estas cajas que se seleccionaron de orma independiente. Encontrar P(X <, < X <, X > ). UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 67
68 UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 68 Distribuciones de Probabilidad Conjunta (cont.) Solución: Como las cajas se seleccionan de orma independiente, se puede suponer que las variables aleatorias X, X X son estadísticamente independientes que tienen la densidad de probabilidad conjunta ( ) ( ) ( ) ( ) ( ) > > > otro caso,,,,,, e e e e ( ) ( )( ) ( ) 76.,,,, > < < < > < < < X X X P e e e e d d d e X X X P
69 Reerencias Bibliográicas Walpole, R.E.; Mers, R.H.; Mers, S.L. & Ye, K. Probabilidad estadística para ingeniería ciencias. Octava Edición. Pearson Prentice-Hall. Méico, 7. UCR-ECCI CI-5 Probabilidad Estadística Variables Aleatorias Distribuciones de Probabilidad 69
Clase 5: Variables Aleatorias y Distribuciones de Probabilidad
Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Variables Aleatorias Una variable aleatoria es una función que asocia un número real con cada elemento del EM. Ejemplo 1: El EM que da una
Más detallesREPRESENTACIÓN DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA
REPRESENTACIÓN DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Similar a las distribuciones de frecuencia, una distribución de probabilidad discreta puede ser representada (descrita) tanto gráficamente como
Más detallesClase 4: Probabilidades de un evento
Clase 4: Probabilidades de un evento Definiciones A continuación vamos a considerar sólo aquellos experimentos para los que el EM contiene un número finito de elementos. La probabilidad de la ocurrencia
Más detallesPruebas de Hipótesis de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Pruebas de ipótesis de Una y Dos Muestras UCR ECCI CI-35 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides ipótesis Estadísticas Conceptos Generales En algunos casos el científico
Más detallesEjemplo: Ing. Raúl Canelos. Solución CONFIABILIDAD SEP 1
Ejemplo: Basándose en ciertos estudios una compañía a clasificado de acuerdo con la posibilidad de encontrar petróleo en tres tipos de formaciones. La compañía quiere perforar un pozo en determinado lugar
Más detallesTema 3: Variables aleatorias y vectores aleatorios bidimensionales
Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 2
7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 2
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)
Más detallesEVALUACIÓN 11 B) 150 1 C) 2 D) 15 E) 30
EVALUACIÓN 1. Si la probabilidad que llueva en San Pedro en verano es 1/30 y la probabilidad que caigan 100 cc es 1/40, cuál es la probabilidad que no llueva en San Pedro y que no caigan 100 cc? A) 1/1200
Más detalles2. Probabilidad. Estadística. Curso 2009-2010. Ingeniería Informática. Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24
2. Probabilidad Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24 Contenidos 1 Experimentos aleatorios 2 Algebra de sucesos 3 Espacios
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD Junio, Ejercicio 3, Parte I, Opción A Junio, Ejercicio 3, Parte I, Opción B Reserva 1,
Más detallesLección 22: Probabilidad (definición clásica)
LECCIÓN 22 Lección 22: Probabilidad (definición clásica) Empezaremos esta lección haciendo un breve resumen de la lección 2 del libro de primer grado. Los fenómenos determinísticos son aquellos en los
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A
OPCIÓN A (3 puntos) Una imprenta local edita periódicos y revistas. Para cada periódico necesita un cartucho de tinta negra y otro de color, y para cada revista uno de tinta negra y dos de color. Si sólo
Más detallesProbabilidad. Relación de problemas 5
Relación de problemas 5 Probabilidad 1. Una asociación consta de 14 miembros, de los cuales 6 son varones y 8 son mujeres. Se desea seleccionar un comité de tres hombres y tres mujeres. Determinar de cuántas
Más detalles13. II) Que salga una pinta del trébol es más probable que salga una pinta de diamante. III) La probabilidad de que salga un AS de trébol es 1/13.
GUIA UNO P.S.U. PROBABILIDADES ) Al lanzar un dado común (seis caras), cuál es la probabilidad de obtener un número que no sea primo? A) 2 5) Al lanzar dos dados no cargados, cuál es la probabilidad de
Más detallesVariables aleatorias continuas
Variables aleatorias continuas Hemos definido que una variable aleatoria X es discreta si I X es un conjunto finito o infinito numerable. En la práctica las variables aleatorias discretas sirven como modelos
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesPráctica No. 1. Materia: Estadística II Docente: Lic.Emma Mancilla Semestre : Sexto A1. Septiembre de 2011
Práctica No. 1 Materia: Estadística II Docente: Lic.Emma Mancilla Semestre : Sexto A1 Septiembre de 2011 1. Repaso:Conjuntos - Cálculo combinatorio. 1. Dado el conjunto A = {6, 2, 8, 4, 3} encontrar todos
Más detallesMedidas de tendencia central o de posición: situación de los valores alrededor
Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas
Más detallesTema 3: Variable aleatoria 9. Tema 3: Variable aleatoria
Tema 3: Variable aleatoria 9 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Tema 3: Variable aleatoria 1. Probar si las siguientes funciones pueden definir funciones
Más detallesExplicación de la tarea 3 Felipe Guerra
Explicación de la tarea 3 Felipe Guerra 1. Una ruleta legal tiene los números del 1 al 15. Este problema corresponde a una variable aleatoria discreta. La lectura de la semana menciona lo siguiente: La
Más detallesEJERCICIOS RESUELTOS TEMA 3
EJERCICIOS RESUELTOS TEMA 3 Observación: En todos los ejercicios se ha puesto A, como notación de contrario de A. Ejercicio nº 1.- En una urna hay 15 bolas numeradas de 2 al 16. Extraemos una bola al azar
Más detallesx 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos
Más detallesC A P Í T U L O 1 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO IMPORTANCIA DE LA PROBABILIDAD Y DEL RIESGO
C A P Í T U L O 1 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO IMPORTANCIA DE LA PROBABILIDAD Y DEL RIESGO Los métodos más eficaces de protección contra las heladas son la plantación de cultivos que no
Más detallesFUNDAMENTOS DEL ANÁLISIS DE WEIBULL Por Robert B. Abernethy, FL, USA
FUNDAMENTOS DEL ANÁLISIS DE WEIBULL Por Robert B. Abernethy, FL, USA El análisis de Weibull es la técnica mayormente elegida para estimar una probabilidad, basada en datos medidos o asumidos. La distribución
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o Profesor: Hugo S. Salinas. Segundo Semestre. RESOLVER. 3
Más detallesTema 5. Variables aleatorias discretas
Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesANALISIS COMBINATORIO
Universidad de San Carlos de Guatemala Centro Universitario de Occidente División Ciencias de la Salud Carrera de Médico y Cirujano, Primer Año, 2015 Teléfonos: 78730000, EXT. 2227-2221-2345-2244 CUNOC-USAC
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 7 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detalles1. Simule estas situaciones y concluya: a) Se tira una moneda equilibrada 10 veces y se observa qué proporción de veces salió cara en
1. Simule estas situaciones y concluya: a) Se tira una moneda equilibrada 10 veces y se observa qué proporción de veces salió cara en las sucesivas tiradas, se repite el experimento en condiciones similares
Más detallesMEDIDAS DE TENDENCIA CENTRAL
CAPÍTULO 14 MEDIDAS DE TENDENCIA CENTRAL A veces, de los datos recolectados ya organizados en alguna de las formas vistas en capítulos anteriores, se desea encontrar una especie de punto central en función
Más detallesINTRODUCCIÓN A LA PROBABILIDAD.
INTRODUCCIÓN A LA ROBABILIDAD. Departamento de Matemáticas Se denomina experimento aleatorio a aquel en que jamás se puede predecir el resultado. El conjunto formado por todos los resultados posibles de
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más detallesUNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano.
UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. EL PLANO CARTESIANO. El plano cartesiano está formado
Más detallesTema 2: Estimación puntual
Tema 2: Estimación puntual 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: estimador y estimación Insesgadez
Más detalles(Apuntes en revisión para orientar el aprendizaje) FUNCIONES INYECTIVA, SUPRAYECTIVA Y BIYECTIVA
(Apuntes en revisión para orientar el aprendizaje) FUNCIONES INYECTIVA, SUPRAYECTIVA Y BIYECTIVA Esta clasiicación obedece a la orma en que están relacionados los elementos del dominio con los del codominio.
Más detallesCUESTIONES DE AUTOEVALUACIÓN (TEMA 1)
CUESTIONES DE AUTOEVALUACIÓN (TEMA 1) Cuestiones de Verdadero/Falso 1. Un estadístico es una característica de una población. 2. Un parámetro es una característica de una población. 3. Las variables discretas
Más detallesFUNCIONES DE VARIAS VARIABLES Julián de la Horra Departamento de Matemáticas U.A.M.
FUNCIONES DE VARIAS VARIABLES Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción En las Ciencias Experimentales es muy recuente que tengamos interés en poder expresar una variable (variable
Más detallesApuntes de Matemática Discreta 1. Conjuntos y Subconjuntos
Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 1 Conjuntos y Subconjuntos
Más detallesDefinición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral.
Capítulo 2 Probabilidades 2. Definición y propiedades Al realizar un experimento aleatorio nuestro interés es obtener información sobre las leyes que rigen el fenómeno sometido a estudio. El punto de partida
Más detallesAsignatura: Econometría. Conceptos MUY Básicos de Estadística
Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 2, Febrero 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos Autor:
Más detallesEJERCICIOS DE PROGRAMACIÓN RELACIÓN VII (EJERCICIOS DE REPASO)
EJERCICIOS DE PROGRAMACIÓN RELACIÓN VII (EJERCICIOS DE REPASO) Luis José Sánchez 1. Realiza un programa que sume los 100 números siguientes a un número entero y positivo introducido por teclado. Se debe
Más detallesLa ruleta Plan de clase (1/3) Escuela: Fecha: Profr. (a):
La ruleta Plan de clase (1/3) Escuela: Fecha: Profr. (a): Curso: Matemáticas 3 Secundaria Eje temático: MI Contenido: 9.2.6 Cálculo de la probabilidad de ocurrencia de dos eventos mutuamente excluyentes
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 2 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. La dureza Rockwell de un metal
Más detallesTema 3 Probabilidades
Probabilidades 1 Introducción Tal vez estemos acostumbrados con algunas ideas de probabilidad, ya que esta forma parte de la cultura cotidiana. Con frecuencia escuchamos a personas que hacen afirmaciones
Más detallesCURSO INSTALACION E IMPLEMENTACION ALOJA SOFTWARE HOTEL MODULO 04: Reservas- Planning- Cuentas del Hotel [1]
MODULO 04: Reservas- Planning- Cuentas del Hotel [1] Planning- Concepto del planning El planning es el estado a través del tiempo. Pasado, presenta y futuro de la ocupación del hotel se reflejan en su
Más detallesPARTE 2- Matemáticas pendientes de 3º ESO 2010-11. 2. Indica, para cada representación gráfica, que tipo de sistema de ecuaciones es el representado:
PARTE - Matemáticas pendientes de 3º ESO 00- NOMBRE: 4º GRUPO:. Resuelve gráficamente los siguientes sistemas de ecuaciones e indica que tipo de sistema son: x x x 3 4. Indica, para cada representación
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 5: PROBABILIDAD Junio, Ejercicio 3, Opción A Junio, Ejercicio 3, Opción B Reserva 1, Ejercicio 3, Opción
Más detallesUniversidad del País Vasco
Universidad del País Vasco eman ta zabal zazu Euskal Herriko Unibertsitatea INSTRUCCIONES. El examen consta de 50 cuestiones. Hay una única respuesta correcta para cada cuestión. Las cuestiones respondidas
Más detallesAyudantía 4 Probabilidades ILI-280 Estadística Computacional. Profesor: Rodrigo Salas Ayudantes: Juan Pablo Cares Pino Fernando Herrera Barría
Ayudantía 4 Probabilidades ILI-280 Estadística Computacional Profesor: Rodrigo Salas Ayudantes: Juan Pablo Cares Pino Fernando Herrera Barría Valparaíso, 25 de septiembre de 2009 1. Se compran 3 billetes
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA PROBABILIDAD Y ESTADÍSTICA GUÍA 2: PROBABILIDAD Plan Común de Ingeniería 1. En un torneo de baloncesto vacacional participan cuatro
Más detallesLa Lección de hoy es sobre determinar el Dominio y el Rango. El cuál es la expectativa para el aprendizaje del estudiante LF.3.A1.
LF.3.A1.2-Steve Cole-Determining Domain and Ranges- La Lección de hoy es sobre determinar el Dominio y el Rango. El cuál es la expectativa para el aprendizaje del estudiante LF.3.A1.2 Qué es Dominio? Es
Más detallesUNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA 2: PROBABILIDADES Profesor: Hugo S. Salinas Segundo Semestre 2010 1. Describir el espacio muestral
Más detallesLa Estadística y el método científico. Datos Estadísticos. Tipos de Datos
Apuntes de Métodos Estadísticos I Prof. Gudberto J. León R. I- 9 La Estadística y el método científico Los métodos estadísticos utilizan el método científico, que consiste en cinco pasos básicos: 1. Definir
Más detallesRelación de problemas: Variables aleatorias
Estadística y modelización. Ingeniero Técnico en Diseño Industrial. Relación de problemas: Variables aleatorias 1. Se lanza tres veces una moneda y se observa el número de caras. (a) Calcula la distribución
Más detallesSoluciones a las actividades de cada epígrafe
0 Soluciones a las actividades de cada epígrafe Pág. PÁGIA 08 En este juego hay que conseguir que no queden emparejadas dos bolas del mismo color. Por ejemplo: GAA PIERDE GAA PIERDE PIERDE uál es la probabilidad
Más detallesTema 9: Estadística Descriptiva. Distribuciones estadísticas. Representaciones
Tema 9: Estadística Descriptiva Distribuciones estadísticas Representaciones gráficas 1 Conceptos fundamentales La Estadística es el conjunto de métodos necesarios para recoger, clasificar, representar
Más detallesDISTRIBUCIONES DISCRETAS DE PROBABILIDAD
www.siresistemas.com/clases Ing. Oscar Restrepo DISTRIBUCIONES DISCRETAS DE PROBABILIDAD 1. Debido a las elevadas tasas de interés, una empresa reporta que el 30% de sus cuentas por cobrar de otras empresas
Más detallesConcepto de función y funciones elementales
Concepto de unción unciones elementales Matemáticas I - º Bachillerato Las unciones describen enómenos cotidianos, económicos, psicológicos, cientíicos Tales unciones se obtienen eperimentalmente, mediante
Más detallesTEMA 14 CÁLCULO DE PROBABILIDADES
Tema 14 Cálculo de probabilidades Matemáticas I 1º Bachillerato 1 TEMA 14 CÁLCULO DE PROBABILIDADES ESPACIO MUESTRAL. SUCESOS EJERCICIO 1 : En una urna hay 15 bolas numeradas de 2 al 16. Extraemos una
Más detallesPROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS
PROBLEMAS ADICIONALES RESUELTOS SOBRE VARIABLES ALETORIAS Grupos P y P (Prof. Ledesma) Problemas. Variables aleatorias..- Sea la v.a. X que toma los valores - y con probabilidades, y, respectivamente y
Más detallesEJERCICIOS DE PROBABILIDAD (1ºA)
EJERCICIOS DE PROBABILIDAD (1ºA) 5) 6) Una bolsa contiene bolas negras y rojas. Se extraen sucesivamente tres bolas. Obtener: a) El espacio muestral. b) El suceso A = extraer tres bolas del mismo color.
Más detallesLección 24: Lenguaje algebraico y sustituciones
LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce
Más detallesSistemas Aleatorios: Probabilidad Condicional
MA2006 El concepto de la probabilidad condicional Imagine la probabilidad de que un hombre presente cáncer pulmonar antes de los 70 años. Imagine la probabilidad de que tal hombre presente cáncer pulmonar
Más detallesVectores. Las cantidades físicas que estudiaremos en los cursos de física son escalares o vectoriales.
Cantidades vectoriales escalares Vectores Las cantidades físicas que estudiaremos en los cursos de física son escalares o vectoriales. Una cantidad escalar es la que está especificada completamente por
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesTema 1 con soluciones de los ejercicios. María Araceli Garín
Tema 1 con soluciones de los ejercicios María Araceli Garín Capítulo 1 Introducción. Probabilidad en los modelos estocásticos actuariales Se describe a continuación la Tarea 1, en la que se enumeran un
Más detallesEJEMPLO 2: Ing. Mario René De León García. 1. FUNCIÓN EXPONENCIAL EJEMPLO 1:
FUNCIONES EXPONENCIAL Y LOGARÍTMICA Por: Ing. Mario René De León García.. FUNCIÓN EXPONENCIAL Una función eponencial tiene la forma, donde a es la base de la potencia la variable es el eponente. Esta función
Más detalles5 Ecuaciones lineales y conceptos elementales de funciones
Programa Inmersión, Verano 206 Notas escritas por Dr. M Notas del cursos. Basadas en los prontuarios de MATE 300 y MATE 3023 Clase #6: martes, 7 de junio de 206. 5 Ecuaciones lineales y conceptos elementales
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detalles_ Antología de Física I. Unidad II Vectores. Elaboró: Ing. Víctor H. Alcalá-Octaviano
24 Unidad II Vectores 2.1 Magnitudes escalares y vectoriales Unidad II. VECTORES Para muchas magnitudes físicas basta con indicar su valor para que estén perfectamente definidas y estas son las denominadas
Más detallesOBJETIVOS CONTENIDOS PROCEDIMIENTOS
008 _ 0-048.qxd 9/7/08 9:07 Página 405 4 Probabilidad INTRODUCCIÓN En la vida cotidiana tienen lugar acontecimientos cuya realización es incierta y en los que el grado de incertidumbre es mayor o menor
Más detallesConceptos Básicos de Probabilidad
Conceptos Básicos de Probabilidad Debido a que el proceso de obtener toda la información relevante a una población particular es difícil y en muchos casos imposible de obtener, se utiliza una muestra para
Más detallesGeometría Tridimensional
Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,
Más detallesPeríodo de recuperación del capital (Payback) Período de recuperación del capital (Payback)
Período de recuperación del capital (Payback) Período de recuperación del capital (Payback) Algunas empresas requieren que la inversión se recupere en un período determinado Payback se obtiene contando
Más detallesPARTE 1 PROBLEMAS PROPUESTOS FACTORIAL. 2. 31 Calcular:
PARTE 1 FACTORIAL 2. 31 Calcular: PROBLEMAS PROPUESTOS i. 9!, (9)(8)(7)(6)(5)(4)(3)(2)(1) = 362880 ii. 10! (10)(9)(8)(7)(6)(5)(4)(3)(2)(1) = 3628800 iii. 11! (11)(10)(9)(8)(7)(6)(5)(4)(3)(2)(1) = 39916800
Más detallesFunciones de varias variables
Funciones de varias variables Derivadas parciales. El concepto de función derivable no se puede extender de una forma sencilla para funciones de varias variables. Aquí se emplea el concepto de diferencial
Más detallesTEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES
TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES EXPERIMENTOS: EJEMPLOS Deterministas Calentar agua a 100ºC vapor Soltar objeto cae Aleatorios Lanzar un dado puntos Resultado fútbol quiniela
Más detallesMA2006 - Tarea No 7. Departamento de Matemáticas, CCIR/ITESM. 19 de febrero de 2011
MA2006 - Tarea No 7 Departamento de Matemáticas, CCIR/ITESM 19 de febrero de 2011 1. En un taller de servicio especializado en afinaciones se sabe que 45 % de todas se hacen a motores de 4 cilindros, 40
Más detallesPruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B 1. Una empresa tiene 3000 bolsas de ajo morado de Las
Más detallesLa ventana de Microsoft Excel
Actividad N 1 Conceptos básicos de Planilla de Cálculo La ventana del Microsoft Excel y sus partes. Movimiento del cursor. Tipos de datos. Metodología de trabajo con planillas. La ventana de Microsoft
Más detalles(Tomado de: http://www.liccom.edu.uy/bedelia/cursos/metodos/material/estadistica/var_cuanti.html)
VARIABLES CUANTITATIVAS (Tomado de: http://www.liccom.edu.uy/bedelia/cursos/metodos/material/estadistica/var_cuanti.html) Variables ordinales y de razón. Métodos de agrupamiento: Variables cuantitativas:
Más detallesESTIMACION DE INTERVALOS DE CONFIANZA
pag 3. Prohibida su reproducción ESTIMACION DE INTERVALOS DE CONFIANZA Una muestra permite realizar estimaciones puntuales de los parámetros de la población. Utilizando las propiedades de las distribuciones
Más detallesPARTE 3 ECUACIONES DE EQUIVALENCIA FINANCIERA T E M A S
PARTE 3 ECUACIONES DE EQUIVALENCIA FINANCIERA Valor del dinero en el tiempo Conceptos de capitalización y descuento Ecuaciones de equivalencia financiera Ejercicio de reestructuración de deuda T E M A
Más detallesPRESENTACIÓN GRÁFICA DE LOS DATOS
PRESENTACIÓN GRÁFICA DE LOS DATOS Una imagen dice más que mil palabras, esta frase explica la importancia de presentar los datos en forma gráfica. Existe una gran variedad de gráficos y la selección apropiada
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. Sean A y B dos sucesos y A, B sus complementarios. Si se verifica que p( B) = 2 / 3, p( A B) = 3 / 4 y p( A B) = 1/ 4, hallar: p( A), p( A B), y la probabilidad condicionada
Más detallesQué es la Estadística?
EYP2214 Estadística para Construcción Civil 1 Qué es la Estadística? La Estadística es una ciencia que proporciona un conjunto de métodos que se utilizan para recolectar, resumir, clasificar, analizar
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2010 MATEMÁTICAS II TEMA 4: FUNCIONES
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 010 MATEMÁTICAS II TEMA 4: FUNCIONES Junio, Ejercicio 1, Opción A Junio, Ejercicio 1, Opción B Reserva 1, Ejercicio 1, Opción A Reserva 1, Ejercicio 1, Opción
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detalles5. DISTRIBUCIONES DE PROBABILIDADES
5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesUna desigualdad se obtiene al escribir dos expresiones numéricas o algebraicas relacionadas con alguno de los símbolos
MATEMÁTICAS BÁSICAS DESIGUALDADES DESIGUALDADES DE PRIMER GRADO EN UNA VARIABLE La epresión a b significa que "a" no es igual a "b ". Según los valores particulares de a de b, puede tenerse a > b, que
Más detalles9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES
9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES Objetivo Introducir la idea de la distribución conjunta de dos variables discretas. Generalizar las ideas del tema 2. Introducir la distribución normal
Más detallesAZAR, PROBABILIDAD Y ESTADÍSTICA EXPERIENCIAS DE AZAR
AZAR, PROBABILIDAD Y ESTADÍSTICA EXPERIENCIAS DE AZAR Hay situaciones en la vida diaria en las que no podemos saber qué resultado va a salir, pero sí sabemos los posibles resultados; son situaciones que
Más detallesVectores: Producto escalar y vectorial
Nivelación de Matemática MTHA UNLP 1 Vectores: Producto escalar y vectorial Versores fundamentales Dado un sistema de coordenadas ortogonales, se considera sobre cada uno de los ejes y coincidiendo con
Más detalles