Probabilidad condicional
|
|
- José María Páez Espinoza
- hace 7 años
- Vistas:
Transcripción
1 Probabilidad conjunta y condicional Probabilidad condicional B/A AB/A A/BAB/B Probabilidad Conjunta AB A*B/A ABB*A/B Luego: P(ABA*B/AB*A/B Teorema de Bayes Recordar que: si B/AB son independientes. B no depende de A si A/BA son independientes. A no depende de B > ABA*B >ABA*B Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA Probabilidad Conjunta y Marginales Probabilidad Conjunta P(AB A A A i A n Prob marginal P(B B B k A k B m Prob marginal P(A h B h Propiedades k A k h B h k,h A k B h Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA
2 Probabilidad Condicional A/B A A A i A n B B / Propiedad k A k / B m B/A A A A i A n B Importante: Dirección de la flecha para leer la tabla B B m / h B h /A i Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA Clima(sol, lluvia % % ac. Sol 9% 3% ac. Lluvia Ejemplo Accidente Probabilidad Condicional Accidente/Clima Si No P(A/C sol lluvia Si,.3 No.9.7 Calcular sol/si Es una probabilidad a posteriori Si se conoce que hubo un accidente cuál es la probabilidad que haya sido con sol o con lluvia. Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA
3 Probabilidad Conjunta C AC*A/C Ejemplo P(C A sol lluvia Si sol*si/sol. lluvia*si/lluvia.7 No sol*no/sol.9 lluvia*no/lluvia.63 Si.8 No.7 sol. lluvia.9 Probabilidad Condicional C/AC A/A Si No P(C / A sol lluvia P(sol y Si/Si.35 lluvia y Si/ Si.965 P(sol y No/No.5 lluvia y No/ No.875 Respuesta interpretación Si hubo accidente es más probable (con 96.5% que haya sido con lluvia Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA Ejemplo Muestreo computacional Ejemplo discreto A{, A{.,.9 // sol lluvia B{, // accidente no accidente B/A.; P(B/A.3 Calcular P(AB por muestreo computacional float CalcularprobAB( // A es clima B accidente {tiradas; // para el ejemplo prob_ab_ant{-,- prob_ab_act{, {-,-; {, eitosab {; {,; while notconverge(prob_ab_ant, prob_ab_act { AgeneraA(; BgeneraBdadoA(A eitosab[a,b]++; tiradas++; copiar (prob_ab_ant, prob_ab_act; for(i to for(j to prob_ab_act[i,j]eitosab[i,j]/tiradas return prob_ab_act; int generaa( {probacum{., // para este ejemplo rand ( for (i to if ( <probacum[ i ] return i //retorna el valor de A {, int generabdadoa(int A {macumbdadoa{.,.3 {, // para este ejemplo rand ( for (i to //recorre columna A if ( <macumbdadoa[ i, A ] return i //retorna el valor de B dado A {, BOOL converge(mant, Mact { for (i to for (j to if ( Mant[i,j] Mact[i,j] / Mant[i,j]> ξ return false; return true; Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA
4 Variable Estocástica Es un número que se le asocia a cualquier salida de un eperimento X(salida Variables aleatorias discretas o continuas Ejemplos Se tira un dado, salidas posibles {,,3,4,5,6 X(, X( 4, X(6, X(, X(3, X(5 X(dado si dado es par en otro caso Se arroja una moneda tres veces, salidas posibles {CCC,CCS,SCC,CSC,SSC,SCS,CSS,SSS Variable estocástica se define como X(CCC3, X(CCSX(SCCX(CSC X(SCSX(SSCX(CSS X(SSS X(salida número de caras Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA Probabilidad P(X es la probabilidad que la variable aleatoria X tome el valor Distribución de probabilidad (discreto donde Función de densidad de probabilidad (continuo donde f ( d La función acumulada F( es continua y creciente con máimo F ( F( F( F( f ( Ejemplo discreto Se arroja una moneda no pesada tres veces X número de caras de la salida X{,,,3 // valores de X distribución de probabilidad Función Acumulada P(X/8 P(X3/8 F( P(X3/8 P(X3/8 d 3 / 8+ 3/ 8+ 3/ 8+ / Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA
5 Ejemplo Continuo Probabilidad f( f( f( f( F( F( d f( f( F( F(/ / / d Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA / / 4 3/ 4 Media < X > Varianza σ < ( σ < Analítica ( < X > > < X > Desvío estándar Indicadores f ( d < X >+< X > < X > > < X > +< X > < > < X σ σ +< X > > X i > Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA Muestreo computacional < N N es el número de muestras i ( i i i N σ N N es el número de muestras σ i ( i i i N N i
6 Indicadores (cálculo analítico Promedio o media < X Ejemplo discreto X{,,,3 {/8,3/8,3/8,/8 <X>*/8+*3/8+*3/8+3*/8/8.5 > f ( d 3 Ejemplo continuo < X > d 3 3 / 3 f( f( Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA Indicadores (cálculo analítico Varianza y Desvío Estándar Ejemplo discreto X{,,,3 {/8,3/8,3/8,/8 Media <X>*/8+*3/8+*3/8+3*/8/8.5 caras Varianza σ ( < X > σ < > < X > */ 8+ *3/8+ *3/8+ 3 */8.5 σ 3/ 4.86caras (.5 */ 8+ (.5 *3/8+ (.5 *3/ 8+ (3.5 */8 3/ 4caras 3/ 4caras El desvío estándar mide la dispersión alrededor de la media A mayor valor de desvío mayor dispersión 3 Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA
7 Indicadores Cálculo por muestreo computacional Ejemplo discreto X{,,,3 {/8,3/8,3/8,/8. Calcular <X> por muestreo computacional float CalcularMedia( {suma; tiradas; media_ant-; media_act ; while notconverge(media_ant,media_act { generax(; sumasuma+; tiradas++; media_antmedia_act; media_actsuma/ tiradas return media_act int generax( {prob{/8,3/8,3/8,/8 // para este ejemplo probacum{/8,4/8,7/8, // para este ejemplo rand ( for (i to 3 if ( <probacum[ i ] return i //retorna el valor de {,,,3 BOOL converge(ant, act { if ( ant act / ant < ξ // ξ es cte pequeña return true; return false; Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA Generación de muestras Generar valores con la computadora de una variable aleatoria X con determinada distribución de probabilidad samos el método de Inversión F( so la Función Acumulada genero aleatorios Calculo F - ( F - ( Se obtiene así una muestra de valores independientes de X con la distribución buscada Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA
8 Ejemplos generación de variable Ejemplo v.a discreta F( int generax( {prob{/8,3/8,3/8,/8 // para este ejemplo probacum{/8,4/8,7/8, // para este ejemplo rand ( for (i to 3 if ( <probacum[ i ] return i //retorna el valor de {,,,3 3 Ejemplo v.a continua int generar( {rand ( r*+ return r // verificar rango de r //si retorna *+ // si retorna *+4 //para este ejemplo f(r / F( r F( r Area r 4 r Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA F(r r*+ 4 d r F( r F( r F( r r r * F( r + Otro ejemplo generación v.a continua Caso Si F(</4 Caso Si /4<F(<3/4 d u 4u u + + d + + u Verificar con f(: Si u entonces Si u/4 entonces Verificar con f( Si u/4 entonces Si u3/4 entonces Caso 3 Si 3/4<F(< ( ( d u u u Verificar con f( Si u3/4 entonces Si u entonces 3 int generax( //para este ejemplo {rand ( If </4 return sqrt(4 //según caso else if <3/4 return (4*+/ //según caso else return 3-sqrt(4-4 //según caso 3 Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA X 3 4
9 Teoría de la Información Programa del curso nidad. Tratamiento probabilístico de la información. Variables estocásticas. Distribución de probabilidad. Probabilidad marginal, condicional y conjunta. Teorema de Bayes. Covarianza y correlación. Estimación de variables estocásticas. Muestreo computacional. nidad. Procesos estocásticos discretos. Cadenas de Markov. Grafos de estados. Equilibrio estadístico. Recurrencia. Fórmulas de Chapman-Kolmogorov. Autocovarianza y autocorrelación. nidad 3. Noción de Información. Particiones y árboles. Codificación. Longitud media de código. Concepto de Entropía. Información condicional. nidad 4. Fuentes de información y su codificación. Propiedades de las fuentes sin memoria. Fuentes con memoria. Clasificación de códigos. Condición de prefijo y códigos instantáneos. Inecuación de Kraft. Construcción de códigos compactos. Códigos de Shannon, Fano y Huffman. Rendimiento y redundancia de un código. Etensión de fuentes. Propiedad etensiva de la Entropía. Primer Teorema de Shannon. nidad 5. Compresión de datos. Métodos de compresión sin pérdida. Esquemas de compresión adaptativos. Codificación dinámica de Huffman. Métodos basados en diccionario. Técnicas de compresión con pérdida. Compresión de teto, imágenes, sonido y video. nidad 6. Canales. Transmisión de la información y probabilidades condicionales. Entropías a-priori y a-posteriori. Ruido y pérdida. Clasificación de canales. Canales en serie. Balance de entropías. Información mutua. Capacidad del canal. Probabilidad de error. Segundo Teorema de Shannon. nidad 7. Método de máima entropía. Aplicaciones. Bibliografía Abramson N., Teoría de la Información y Codificación, Ed. Paraninfo, 98 Bell T., Cleary J., Witten I., Tet Compression, Prentice Hall, 99 Chiang C., An Introduction to Stochastic Processes and their Applications, R.Krieger Publishing Company, 968 Cover T., Thomas J., Elements of Information Theory, John Wiley & Sons, 99 Nelson M. The Data Compression Book, M&T Books,99 Papoulis A., Probability Random Variables and Stochastic Processes, McGraw-Hill, 99 Shannon C., Weaver W., Teoría Matemática de la Comunicación, Ed.Forja, 98 Teoría de la Información - Prof. Mariana del Fresno y Prof. Rosana Barbuzza Facultad de Ciencias Eactas-NCPBA
Repaso de Probabilidades y Estadística Muestreo computacional
TEORÍA DE LA INFORMACIÓN Repaso de Probabilidades y Estadística Muestreo computacional INGENIERÍA DE SISTEMAS Cursada 2016 PROBABILIDADES En situaciones de aleatoriedad (incertidumbre sobre el resultado)
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.5 Semana 4.5 Optativa Prácticas 0.0 16 Semanas 72.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO Aprobado por el Consejo Técnico de la Facultad de Ingeniería en su sesión ordinaria del 19 de noviembre de 2008 PROBABILIDAD
Más detallesFuentes de información
TEORÍA DE LA INFORMACIÓN Tratamiento probabilístico de la Información Fuentes de información INGENIERÍA DE SISTEMAS 07 TRANSMISIÓN DE INFORMACIÓN decodificación automática capacidad del canal Claude Shannon
Más detallesÍNDICE CAPITULO UNO CAPITULO DOS. Pág.
ÍNDICE CAPITULO UNO Pág. Concepto de Estadística 1 Objetivo 1 Diferencia entre estadísticas y estadística 1 Uso de la estadística 1 Divisiones de la estadística 1 1. Estadística Descriptiva 1 2. Estadística
Más detallesVariable Aleatoria. Relación de problemas 6
Relación de problemas 6 Variable Aleatoria. Consideremos el experimento aleatorio consistente en lanzar dos dados equilibrados y observar el número máximo de los dos números obtenidos en ellos. Si X es
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO ANÁLISIS DE SEÑALES ALEATORIAS 1560 5 06 Asignatura Clave Semestre Créditos Ingeniería Eléctrica Ingeniería en Telecomunicaciones
Más detallesTeorema de Bayes. mientras que B tiene una tasa de defectos del 4%.
Teorema de Bayes Ejemplo: En una empresa manufacturera, una máquina A produce el 60% de la producción total, mientras que una máquina B el restante 40%. 71 El 2% de las unidades producidas por A son defectuosas,
Más detallesContenido. Introducción. Introducción. Definiciones. Estadística Descriptiva. Estadística Descriptiva
Contenido Introducción al Diseño de Eperimentos para el Reconocimiento de Patrones Capítulo : Modelos Estadísticos Curso de doctorado impartido por Dr. Quiliano Isaac Moro Dra. Aranzazu Simón Hurtado Marzo
Más detallesPROGRAMA ASIGNATURA. Horas Cronológicas Semanales Presénciales Adicionales Total. Nº de Semanas
PROGRAMA ASIGNATURA Facultad: Carrera: INGENIERIA INGENIERIA EN CONSTRUCCION 1.- IDENTIFICACIÓN DE LA ASIGNATURA: a. Nombre: ESTADISTICA b. Código: ICN 122 c. Nivel (semestre en que se ubica): SEGUNDO
Más detallesTeoría de la decisión Estadística
Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y
Más detallesESTADISTICA APLICADA: PROGRAMA
Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,
Más detallesESCUELA POLITÉCNICA DEL EJÉRCITO VICERRECTORADO ACADÉMICO PROGRAMA DE ASIGNATURA O MÓDULO DE CONTENIDOS
ESCUELA POLITÉCNICA DEL EJÉRCITO VICERRECTORADO ACADÉMICO PROGRAMA DE ASIGNATURA O MÓDULO DE CONTENIDOS ASIGNATURA: PROCESOS ESTOCÁSTICOS Y FILTRAJE LINEAL DEPARTAMENTO: ELÉCTRICA Y ELECTRÓNICA NIVEL:
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS
1 1. DATOS INFORMATIVOS PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS MATERIA: ESTADISTICA CODIGO: 11715 CARRERA: INGENIERIA DE SISTEMAS NIVEL: TERCERO
Más detallesPROFESORADO DE EDUCACIÓN SECUNDARIA EN MATEMÁTICA
PROFESORADO DE EDUCACIÓN SECUNDARIA EN MATEMÁTICA Ciclo Lectivo: 2014 Curso: Segundo Año Espacio Curricular: PROBABILIDAD Y ESTADÍSTICA I Régimen de cursado: Anual Formato: Asignatura Carga horaria: 4
Más detalles2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria
2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 5 Nombre: Distribuciones de probabilidad para variables Contextualización Ya se han estudiado los conceptos variable aleatoria y distribución
Más detallesIntroducción 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 detallesMATEMÁTICA III. Régimen de Cursada: Semestral Caracter: Obligatoria Correlativas: Matemática II Profesor: Beatriz Pintarelli Hs. semanales: 6 hs.
MATEMÁTICA III Año 2015 Carrera/ Plan: Licenciatura en Informática Plan 2015-3º año Licenciatura en Sistemas Plan 2015 3º año Licenciatura en Informática Plan 2003-07 / Plan 2012-2º año Licenciatura en
Más detallesC a r t a D e s c r i p t i v a
I. Identificadores del Programa: C a r t a D e s c r i p t i v a Programa: Maestría en Matemática Educativa. Depto.: Física y Matemáticas Materia: Métodos Estadísticos Clave: MME10090 No. Créditos: 6 Tipo:
Más detalles3. VARIABLES ALEATORIAS
. VARIABLES ALEATORIAS L as variables aleatorias se clasiican en discretas y continuas, dependiendo del número de valores que pueden asumir. Una variable aleatoria es discreta si sólo puede tomar una cantidad
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 detallesCarrera: SCC - 0424 4-2-10. Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y estadística Ingeniería en Sistemas Computacionales SCC - 0424 4-2-10
Más detallesUNIVERSIDAD DE LOS LLANOS Facultad de Ciencias Básicas e Ingeniería Programa Ingeniería de Sistemas
CURSO: PROBABILIDAD Y ESTADÍSTICA 1 SEMESTRE: V 2 CÓDIGO: 602504 3 COMPONENTE: 4 CICLO: 5 ÁREA: Profesional 6 FECHA DE APROBACIÓN: 7 NATURALEZA: 8 CARÁCTER: Obligatorio 9 CRÉDITOS (RELACIÓN): 3 (1-1) 10
Más detallesProbabilidad y Estadística
Programa de la Asignatura: Código: 23 Probabilidad y Estadística Carrera: Ingeniería en Computación Plan: 2013 Carácter: Obligatoria Unidad Académica: Secretaría Académica Curso: Tercer año Primer cuatrimestre
Más detallesTema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias
Estadística Tema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010 Contenidos...............................................................
Más detallesTema 4: Variable aleatoria. Métodos Estadísticos
Tema 4: Variable aleatoria. Métodos Estadísticos Definición de v.a. Definición: Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio, es decir, una función
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)
PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesContenidos Programáticos. PROGRAMA: VARIAS (Ingeniería, Administración, edufísica, M. veterinaria )
Página 1 de 4 FACULTAD: CIENCIAS BÁSICAS PROGRAMA: VARIAS (Ingeniería, Administración, edufísica, M. veterinaria ) DEPARTAMENTO DE: MATEMÁTICA CURSO : ESTADISTICA I CÓDIGO: 157011 ÁREA: MATEMÁTICA REQUISITOS:
Más detallesDistribución muestral de proporciones. Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua
Distribución muestral de proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Distribución muestral de Proporciones Existen ocasiones
Más detallesMODELO DE RESPUESTAS Objetivos del 1 al 9
PRUEBA INTEGRAL LAPSO 05-764 - /9 Universidad Nacional Abierta Probabilidad y Estadística I (Cód. 764) Vicerrectorado Académico Cód. Carrera: 6 Fecha: 0-04-06 MODELO DE RESPUESTAS Objetivos del al 9 OBJ
Más detallesTema 5: Principales Distribuciones de Probabilidad
Tema 5: Principales Distribuciones de Probabilidad Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 5: Principales Distribuciones de Probabilidad
Más detalles1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Probabilidad y Estadística. Carrera: Ingeniería en Materiales. Clave de la asignatura: MAM 0524
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería en Materiales MAM 0524 3 2 8 2.- HISTORIA
Más detallesM.C. Robert Jeffrey Flowers Jarvis Fecha de elaboración: Agosto de 2004 Fecha de última actualización: Julio de 2010
PROGRAMA DE ESTUDIO Análisis de Datos Categóricos Programa Educativo: Área de Formación : Transversal Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Total de créditos: 8 Clave: F1145 Tipo : Asignatura
Más detallesUNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES
UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES Carrera: LICENCIATURA EN COMERCIO EXTERIOR Asignatura: ESTADÍSTICA APLICADA A LOS NEGOCIOS ESTADÍSTICA DE LOS NEGOCIOS Curso: 1º AÑO Año lectivo: 2016 Carga
Más detallesModelo EOQ con Demanda Incierta. Teoría de Inventarios Modelo Probabilísticos. Demanda durante el Lead Time 18/04/2009
Universidad Técnica Federico Santa María Teoría de Inventarios Modelo Probabilísticos Daniel Basterrica Modelo EOQ con Demanda Incierta Lead Time no nulo Demanda aleatoria durante
Más detallesProbabilidades. 11 de noviembre de 2013. Felipe Bravo Márquez
Felipe José Bravo Márquez 11 de noviembre de 2013 Motivación Las probabilidades son el lenguaje de la incertidumbre que a la vez es la base de la inferencia estadística. El problema estudiado en probabilidades
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad las reglas mátemáticas de la probabilidad no son simplemente reglas para calcular frecuencias de variables aleatorias;
Más detallesUNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA ELÉCTRICA DEPARTAMENTO DE ELECTRÓNICA
508 515 SEMANA: PROPÓSITO Esta asignatura ofrece al alumno los conocimientos básicos para analizar sistemas estocásticos que se encuentran descritos mediante variables aleatorias proporcionándole las herramientas
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Al igual que la distribución binomial, la distribución
Más detallesDISTRIBUCIONES DE PROBABILIDAD BINOMIAL
Probabilidad DISTRIBUCIONES DE PROBABILIDAD BINOMIAL Copyright 21, 27, 24 Pearson Education, Inc. All Rights Reserved. 4.1-1 Ejemplo de repaso Use la siguiente distribución de probabilidad para contestar
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: ESTADISTICA I CÓDIGO ASIGNATURA: 1215-311 PRE-REQUISITO: 1215209 SEMESTRE: 3 UNIDADES DE CRÉDITO:
Más detallesTitulación: Diplomatura en Ciencias Empresariales Órgano responsable de la docencia: Departamento de Economía Financiera y Contabilidad II
Titulación: Diplomatura en Ciencias Empresariales Órgano responsable de la docencia: Departamento de Economía Financiera y Contabilidad II Asignatura: Estadística Empresarial Tipo: Troncal Curso 2008-2009
Más detallesFACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS PROGRAMA DE MERCADEO
FACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS PROGRAMA DE MERCADEO I. IDENTIFICACIÓN DE LA ASIGNATURA NOMBRE: Estadística I CODIGO: 41A03 PRERREQUISITO: Matemática I SEMESTRE: III CRÉDITOS: 3 II. OBJETIVO
Más detallesMatemáticas Discretas Probabilidad
Coordinación de Ciencias Computacionales - INAOE Matemáticas Discretas Probabilidad Cursos Propedéuticos 2010 Ciencias Computacionales INAOE Teoría de Probabilidad Considero que la probabilidad representa
Más detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD Se llama variable aleatoria a toda función que asocia a cada elemento del espacio muestral E un número real. Una variable aleatoria discreta es aquella que sólo puede tomar
Más detallesDistribuciones de Probabilidad Para Variables Aleatorias Continuas
Distribuciones de Probabilidad Para Variables Aleatorias Continuas Departamento de Estadística-FACES-ULA 20 de Diciembre de 2013 Introducción Recordemos la definición de Variable Aleatoria Continua. Variable
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 9 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización Los métodos estadísticos y las técnicas de
Más detallesDISTRIBUCIONES DE PROBABILIDAD DISCRETA (PARTE 2)
Probabilidad DISTRIBUCIONES DE PROBABILIDAD DISCRETA (PARTE 2) Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 4.1-1 EJEMPLO Calcular σ y σ 2 para una variable aleatoria discreta
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1410 SEMESTRE: 4 (CUARTO) MODALIDAD
Más detallesUnidad III Variables Aleatorias Unidimensionales
Unidad III Variables Aleatorias Unidimensionales En el capítulo anterior se examinaron los conceptos básicos de probabilidad con respecto a eventos que se encuentran en un espacio muestral. Los experimentos
Más detallesDesigualdad de Chebyshev bidimensional
Scientia et Technica Año XVII, No 51, Agosto de 2012. Universidad Tecnológica de Pereira. ISSN 0122-1701 242 Desigualdad de Chebyshev bidimensional Two - dimensional Chebyshev Inequality Edgar Alirio Valencia,
Más detalles3. Resolver triángulos rectángulos utilizando las definiciones de las razones trigonométricas.
Contenidos mínimos MI. 1. Contenidos. Bloque I: Aritmética y Álgebra. 1. Conocer las clases de números, los conjuntos numéricos: naturales, enteros, racionales, reales y complejos y las propiedades que
Más detallesINGENIERO 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 detallesTEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL
ESTADÍSTICA II TEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL II.1.- Distribución chi-cuadrado. II.1.1.- Definición. II.1..- Función de densidad. Representación gráfica. II.1.3.- Media y varianza.
Más detallesC. Distribución Binomial
Objetivos de aprendizaje 1. Definir los resultados binomiales 2. Calcular la probabilidad de obtener X éxitos en N pruebas 3. Calcular probabilidades binomiales acumulativas 4. Encontrar la media y la
Más detallesDOCUMENTO 3: DISTRIBUCIÓN DE PROBABILIDAD DE V. A. CONTINUA: LA DISTRIBUCIÓN NORMAL
DOCUMENTO 3: DISTRIBUCIÓN DE PROBABILIDAD DE V. A. CONTINUA: LA DISTRIBUCIÓN NORMAL 3.1 INTRODUCCIÓN Como ya sabes, una distribución de probabilidad es un modelo matemático que nos ayuda a explicar los
Más detallesDistribución de Probabilidad Normal
Distribución de Probabilidad Normal Departamento de Estadística-FACES-ULA 22 de Diciembre de 2013 Introducción La distribución normal es quizás la distribución de probabilidad para variables aleatorias
Más detallesPROGRAMA DE FUNDAMENTOS Y TÉCNICAS DE INVESTIGACION OPERATIVA. (Código 15721). Licenciatura en Economía. 4º curso. 1º semestre.
PROGRAMA DE FUNDAMENTOS Y TÉCNICAS DE INVESTIGACION OPERATIVA. (Código 15721). Licenciatura en Economía. 4º curso. 1º semestre. 2009-2010 1. OBJETIVOS Introducción de forma sistemática a las herramientas
Más detallesTratamiento probabilístico de la Información. INGENIERÍA DE SISTEMAS Cursada 2016
TEORÍ DE L INFORMIÓN Tratamiento probabilístico de la Información ompresión de datos continuación INGENIERÍ DE SISTEMS ursada 2016 MÉTODOS DE OMPRESIÓN SIN PÉRDID Métodos estadísticos (procesan un símbolo
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN HORAS SEMANA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN PROGRAMA DE ASIGNATURA SEMESTRE:4 (CUARTO) Probabilidad
Más detallesDistribución Normal Curva Normal distribución gaussiana
Distribución Normal La distribución continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. La distribución normal tiene grandes aplicaciones prácticas, en
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA SOCIOLOGÍA. Curso Obligatoria 96 4 2 10
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA SOCIOLOGÍA PROGRAMA DE ASIGNATURA CLAVE 2133 1º semestre ESTADÍSTICA APLICADA A LAS CIENCIAS SOCIALES I MODALIDAD
Más detallesPRINCIPALES MODELOS ESTADÍSTICOS EN RIESGO DE MERCADO Y LIQUIDEZ DR. HOLGER CAPA SANTOS
PRINCIPALES MODELOS ESTADÍSTICOS EN RIESGO DE MERCADO Y LIQUIDEZ DR. HOLGER CAPA SANTOS Octubre, 2007 CONTENIDO INTRODUCCIÓN VALOR EN RIESGO VaR UTILIZANDO LA DISTRIBUCIÓN NORMAL VaR UTILIZANDO MODELOS
Más detalles7. Distribución normal
7. Distribución normal Sin duda, la distribución continua de probabilidad más importante, por la frecuencia con que se encuentra y por sus aplicaciones teóricas, es la distribución normal, gaussiana o
Más detallesEstacionariedad Estacionariedad estacionariedad
Series de Tiempo Una serie de tiempo es una secuencia de datos puntuales medidos en tiempos sucesivos a intervalos de tiempo uniformes. La caracterización de las propiedades de una serie de tiempo se puede
Más detallesDIPLOMATURA EN CIENCIAS EMPRESARIALES
DEPARTAMENT D ECONOMIA APLICADA UNIVERSITAT DE VALENCIA DIPLOMATURA EN CIENCIAS EMPRESARIALES PROGRAMA DE ESTADÍSTICA Módulo - 12280 CURSO 2006 2007 GRUPOS: P,Q,RR Profesores: Eugenia Fabra: grupo RR Rosario
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para
Más detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UCM Función de distribución y función de densidad Ejercicio. Sea X una variable aleatoria con función de distribución dada
Más detallesUNIVERSIDAD AUTÓNOMA DE YUCATÁN
UNIVERSIDAD AUTÓNOMA DE YUCATÁN DIRECCIÓN GENERAL DE DESARROLLO ACADÉMICO SUBDIRECCIÓN DE BACHILLERATO Escuelas Preparatorias Uno y Dos PROGRAMA DE CURSO MATEMÁTICAS 5 UNIVERSIDAD AUTÓNOMA DE YUCATÁN DIRECCIÓN
Más detallesPropiedades en una muestra aleatoria
Capítulo 5 Propiedades en una muestra aleatoria 5.1. Conceptos básicos sobre muestras aleatorias Definición 5.1.1 X 1,, X n son llamadas una muestra aleatoria de tamaño n de una población f(x) si son variables
Más detallesProbabilidad. Distribuciones binomial y normal
Tema 7 Probabilidad. Distribuciones binomial y normal 7.1. Introducción En este tema trataremos algunas cuestiones básicas sobre Probabilidad. Tanto la Probabilidad como la Estadística son dos campos de
Más detallesNombre de la asignatura: Probabilidad y Estadística Ambiental
Nombre de la asignatura: Probabilidad y Estadística Ambiental Créditos: 2 2-4 Aportación al perfil Proporcionar los fundamentos necesarios para el manejo estadístico de datos experimentales que le permitan
Más detallesCOLEGIO: Monaita ASIGNATURA: Matemáticas 1º de Bachillerato (Ciencias Sociales) ALUMNA:.
COLEGIO: Monaita ASIGNATURA: Matemáticas º de Bachillerato (Ciencias Sociales) ALUMNA:. COLEGIO MONAITA ASIGNATURA: MATEMÁTICAS I APLICADAS A LAS CIENCIAS SOCIALES (º Bachillerato Humanidades) ÁLGEBRA:.-
Más detallesTema 05: Tablas hash. M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom
Tema 05: Tablas hash M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom (Prof. Edgardo A. Franco) 1 Contenido Tablas hash o de dispersión Función
Más detallesTarea 5: Estrategia voraz y Divide y
Tarea 5: Estrategia voraz y Divide y Vencerás Estructura de Datos y Teoría de Algoritmos Entrega: 5 de noviembre de 2008 1. De acuerdo con lo demostrado en clase, un código de Huffman es de longitud promedio
Más detalles0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5
1.- Cómo utilizar la tabla de la distribución Binomial? Supongamos que lanzamos al aire una moneda trucada. Con esta moneda la probabilidad de obtener cara es del 30%. La probabilidad que salga cruz será,
Más detallesCAPITULO III. METODOLOGIA DE LA INVESTIGACION
CAPITULO III. METODOLOGIA DE LA INVESTIGACION La metodología aplicada en esta investigación fue la siguiente: 1. Definición del problema. 2. Diseño de la investigación. 3. Muestreo estadístico. 4. Procedimiento
Más detallesCÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS DE LAS PRUEBAS SIMCE
CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS DE LAS PRUEBAS SIMCE Unidad de Análisis Estadístico División de Evaluación de Logros de Aprendizaje Agencia de Calidad de la Educación 013 Índice 1.
Más detallesProcesos Estocásticos
Programa de la Asignatura: Código: 768 Procesos Estocásticos Carrera: Ingeniería en Computación Plan: 2008 Carácter: Obligatoria Unidad Académica: Secretaría Académica Curso: Cuarto Año Primer cuatrimestre
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO TEORÍA DE LA INFORMACIÓN Y LA CODIFICACIÓN 1684 6º 06 Asignatura Clave Semestre Créditos Ingeniería Eléctrica Ingeniería
Más detalles1. DATOS INFORMATIVOS
1. DATOS INFORMATIVOS 1.1. FACULTAD: Ciencias Económicas 1.2. CARRERA: Finanzas 1.3. ASIGNATURA: Estadística Pirobalística II 1.. CÓDIGO DE ASIGNATURA: 6203 1.5. CRÉDITOS: (Cuatro) 1.6. SEMESTRE: Sexto
Más detalles2) Funciones de distribución de probabilidad. Histogramas. Función de distribución de probabilidad (o función de densidad de probabilidad):
Función de distribución de probabilidad (o función de densidad de probabilidad): Es una función matemá0ca de una o varias variables que describe la probabilidad de obtener un conjunto específico de valores
Más detallesAsignatura: CÁLCULO DE ESTRUCTURAS (Código 452) AEROPUERTOS
Asignatura: CÁLCULO DE ESTRUCTURAS (Código 452) Especialidad: AEROPUERTOS Curso/Cuatrimestre: TERCER CURSO / PRIMER CUATRIMESTRE Tipo de Materia: TRONCAL Créditos: 6,0 Conocimientos previos: Departamento:
Más detallesCÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE
CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE SIMCE Unidad de Currículum y Evaluación Ministerio de Educación 011 Índice 1. Antecedentes Generales 1. Comparación de puntajes promedios.1. Errores
Más detallesUnidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones
Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una
Más detallesEl problema inverso: Técnicas de identificación de parámetros.
Capítulo 4 El problema inverso: Técnicas de identificación. 4.1 Introducción En el primer capitulo de esta tesina se ha dado alguna noción acerca de la teoría de inversión, pero conviene remarcar algunos
Más detallesMatemáticas Discretas L. Enrique Sucar INAOE. Permutaciones y Combinaciones
Matemáticas Discretas L. Enrique Sucar INAOE Permutaciones y Combinaciones Contenido Introducción Reglas de la suma y el producto Permutaciones Combinaciones Generación de permutaciones Teorema del Binomio
Más detallesPrograma de estudio PROBABILIDAD Y ESTADÍSTICA
1.-Área académica Técnica 2.-Programa educativo Ingeniería Mecánica Eléctrica 3.-Dependencia académica Facultad De Ingeniería Mecánica Eléctrica Xalapa, Veracruz, Poza Rica, Cd. Mendoza, Coatzacoalcos
Más detallesDISTRIBUCIONES MUESTRALES
DISTRIBUCIONES MUESTRALES Distribuciones muestrales Autores: Ángel A. Juan (ajuanp@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS CARACTERÍSTICAS DE LA
Más detallesTema 11: Intervalos de confianza.
Tema 11: Intervalos de confianza. Presentación y Objetivos. En este tema se trata la estimación de parámetros por intervalos de confianza. Consiste en aproximar el valor de un parámetro desconocido por
Más detallesJUNIO 2010. Opción A. 1 2 3
JUNIO 2010 Opción A 2 3 1 1.- Sean las matrices: A 0 1 2 y B 5 3 1 Halla una matriz X tal que 2X BA AB. 2 0 1 3 3 2. 1 2 3 2.- La cantidad C de tomates (en kg) que se obtienen de una planta de tomate depende
Más detallesPROGRAMA DE CURSO. Nombre en Inglés. Horas de Trabajo Personal Horas de Cátedra
Código MA3401 PROBABILITY SCT PROBABILIDADES Unidades Docentes PROGRAMA DE CURSO Nombre Nombre en Inglés Horas de Cátedra Horas Docencia Auxiliar Horas de Trabajo Personal 6 10 3 2 5 Requisitos Carácter
Más detallesESCUELA POLITÉCNICA NACIONAL PROGRAMA DE ESTUDIOS POR ASIGNATURA
ESCUELA POLITÉCNICA NACIONAL PROGRAMA DE ESTUDIOS POR ASIGNATURA UNIDAD ACADÉMICA: CARRERA: Facultad de Ciencias Ingeniería Matemática EJE DE FORMACIÓN: ASIGNATURA: Simulación CÓDIGO: IMT544 PENSUM: 2010
Más detallesTRABAJO PRÁCTICO ESTADISTICA APLICADA (746)
UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADEMICO AREA DE MATEMATICA TRABAJO PRÁCTICO ESTADISTICA APLICADA (746) JOSE GREGORIO SANCHEZ CASANOVA C.I. V-9223081 CARRERA: 610 SECCION Nº 1 SAN CRISTOBAL,
Más detallesTema 3. 3. Correlación. Correlación. Introducción
3-1 Introducción Tema 3 Correlación Coeficiente de correlación lineal de Pearson Coeficiente de correlación poblacional Contraste paramétrico clásico Transformación de Fisher Correlación bayesiana Test
Más detallesLa distribución Normal
La distribución Normal Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística, Investigación Operativa Aplicadas y Calidad
Más detallesCurso de Introducción a R Módulo 4: simulaciones estocásticas
Curso de Introducción a R Módulo 4: simulaciones estocásticas Alejandro Piedrahita H. Seminario de Análisis Estocástico Instituto de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de
Más detallesTema II. Las muestras y la teoría paramétrica
2.1. Muestras y muestreos: - La muestra:. Subconjunto de elementos de la población. Necesidad práctica:. Motivos económicos. Imposibilidad (práctica/teórica) de estudiar TODA la población. Inconveniencia
Más detallesDistribuciones de Probabilidad, Binomial& Otros (Cap. 5) Math. 298 Prof. Gaspar Torres Rivera
Distribuciones de robabilidad, inomial& Otros (Cap. 5) Math. 9 rof. aspar Torres Rivera Distribución de robabilidad Def. Es la distribución de las probabilidades asociadas con cada uno de los valores de
Más detalles