VARIABLES ALEATORIAS DISCRETAS
|
|
- María Victoria Santos Sánchez
- hace 7 años
- Vistas:
Transcripción
1 VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus
2 Variables Aleatorias Variables Aleatorias Definición: Una variable aleatoria es una función del espacio muestral a la ĺınea de los reales. X : Ω R Ω ω 2 ω 1 ω 4 ω 5 ω R IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 1
3 Variables Aleatorias Variables Aleatorias Ejemplo: Al lanzar dos monedas, Ω = {ss, sa, as, aa}. Suponga que X es una variable aleatoria que corresponde al número de águilas. X(ss) = 0, X(sa) = X(as) = 1, X(aa) = 2 Ω {as} {aa} {ss} {sa} X P(X = 0) = 1 4, P(X = 1) = 1 2, P(X = 2) = 1 4 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 2
4 Variables Aleatorias Variables Aleatorias Notación: Usualmente, letras mayúsculas tales como X, Y, Z, U, V, representan variables aleatorias. Letras minúsculas tales como x, y, z, u, v, w, representan valores particulares de las variables aleatorias. Así que podemos hablar de P(X = x). IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 3
5 Variables Aleatorias Variables Aleatorias Ejemplo: Sea X la suma de los resultados al lanzar dos dados. Entonces tenemos que X ([6, 5]) = 11. Además: P(X = x) = 1/36 si x = 2 2/36 si x = 3. 6/36 si x = 7. 2/36 si x = 11 1/36 si x = 12 0 cualquier otro valor IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 4
6 Ejemplo: Lanzar una moneda. Variables Aleatorias X = { 0 si {s} 1 si {a} Ejemplo: Lanzar un dado. Y = { 0 si {1,3, 5} 1 si {2,4, 6} Para nuestros propósitos, tanto X como Y son lo mismo, dado que: P(X = 0) = P(Y = 0) = 1 2 P(X = 1) = P(Y = 1) = 1 2 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 5
7 Variables Aleatorias Discretas Variables Aleatorias Discretas Definición: Si el número de los posibles valores de una Variable Aleatoria X es finito ó contablemente infinito, entonces X es una variable aleatoria discreta. Ejemplo: Lanzar tres moneda, obtener el número posible de águilas. Se trata de una variable discreta. Ejemplo: Seleccionar en forma aleatoria un punto en [0,1]. Se trata de una variable no discreta. IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 6
8 Función de Probabilidad Función de Probabilidad Definición: Si X es una variable aleatoria discreta, entonces la Función de Probabilidad se define para cada posible x como: f(x) = P(X = x) Definición: El conjunto de todas las parejas [x, f(x)] es la Distribución de Probabilidad. Note que: f(x) 0 x f(x) = 1 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 7
9 Función de Probabilidad Función de Probabilidad Ejemplo: Lanzar 2 monedas. Sea X el número de soles. f(x) = 1/4 para x = 0 1/2 para x = 1 1/4 para x = 2 0 para otro valor IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 8
10 Función de Distribución Acumulada (fda) Función de Distribución Acumulada (fda) Definición: Si X es una variable aleatoria discreta, y función de probabilidad f(x) entonces la fda de X es definida para toda x como F(x) = P(X x), entonces: F(x) = i f(x i ), x i x Ejemplo: Lanzar dos monedas. Sea X el número de soles. 0 si x < 0 1/4 si 0 x < 1 F(x) = 3/4 si 1 x < 2 1 si 2 x IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 9
11 Representación Gráfica Representación Gráfica f(x) 1 F(x) X X Función de Probabilidad y Función de Distribución Acumulada IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 10
12 Propiedades de la fda Propiedades de la fda F(x) es no decreciente en x, esto es, si x 1 < x 2 implica que: F(x 1 ) < F(x 1 ) lim F(x) = 1 x lim F(x) = 0 x IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 11
13 Propiedades de la fda Propiedades de la fda Teorema: P(X > x) = 1 F(x) Demostración: 1 = P(X x) + P(X > x) = F(x) + P(X > x) Teorema: x 1 < x 2 P(x 1 < X x 2 ) = F(x 2 ) F(x 1 ) Demostración: P(x 1 < X x 2 ) = P(X > x 1 X x 2 ) = P(X > x 1 ) + P(X x 2 ) P(X > x 1 X x 2 ) = 1 F(x 1 ) + F(x 2 ) 1 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 12
14 Valor Esperado Valor Esperado Definición: El valor esperado ó la media ó el valor promedio de una variable aleatoria discreta X es : µ = E[X] = x xf(x) La media ó valor esperado nos da una indicación de la tendencia central de una variable aleatoria. IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 13
15 Valor Esperado Valor Esperado Ejemplo: Si al lanzar una moneda cargada, sea la VAD X el número de águilas, P(X = 0) = 0.4, P(X = 1) = 0.6, entonces: E[X] = x xp(x = x) = = 0.6 Ejemplo: Al lanzar un dado, X = 1,2,...,6, cada x con una probabilidad de 1 6. Entonces: E[X] = x xf(x) = = 3.5 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 14
16 Valor Esperado Valor Esperado Ejemplo 1 : Un inspector de calidad hace un muestreo un lote que contiene siete componentes; de los cuales tres son defectuosos. El inspector toma una muestra de tres componentes. Encuentre el valor esperado del número de componentes buenos en esta muestra. Sea X el número de componentes buenos. probabilidad de X es: f(x) = ( ) ( 4 3 x ( x ) ), x = 0,1,2, 3. La distribución de 1 Walpole & Myers; Prob. y Estadística para Ings. IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 15
17 Valor Esperado Al realizar los cálculos de la distribución de probabilidad de X, obtenemos: f(0) = 1, f(1) =12, f(2) = , f(3) = entonces el valor esperado de X es: ( ) ( ) ( ) ( ) µ = E[X] = = 12 7 = 1.7 Esto es, que la muestra descrita, contendría un promedio de 1.7 componentes buenos. IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 16
18 Valor Esperado de Funciones Valor Esperado de Funciones Teorema: Al realizar un cambio de variable lineal Y = ax + b, donde a y b son constantes, el valor esperado de la nueva variable esta dado por: E[Y ] = ae[x] + b Teorema: El valor esperado de una función de una variable aleatoria discreta, por ejemplo g(x), es: E[g(X)] = x g(x)f(x) Ejemplo: E [ (3X 1) 2] = x (3x 1)2 f(x) IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 17
19 Valor Esperado de Funciones Valor Esperado de Funciones Ejercicio: Sea X un VAD con la siguiente distribución de probabilidad: 1/6 para x = 3 1/2 para x = 6 f(x) = 1/3 para x = 9 0 para otro valor Encuentre E[g(X)], donde g(x) = (2X + 1) 2. Nota: E[g(X)] también se puede simbolizar como µ g (X) IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 18
20 Momentos Momentos Definición: El momento k de una variable aleatoria discreta X es: E[X k ] = x x k f(x) Definición: El momento central k de una variable aleatoria discreta X es: E [ (X µ) k] = (x µ) k f(x) x IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 19
21 Varianza Varianza La varianza de la variable aleatoria discreta X es el segundo momento central. Var(X) = E [ (X µ) 2] = x (x E[X]) 2 f(x) La varianza es un parámetro que describe la disperción de la VA. Notación: σ 2 = σ 2 X = Var(X) = V(X). Definición: La desviación estándar de la variable aleatoria discreta X es: σ X = + Var(X) IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 20
22 Varianza Varianza Teorema: Demostración: Var(X) = E[X 2 ] (E[X]) 2 Var(X) = E [ (X µ) 2] = E[X 2 2µX + µ 2 ] = E[X 2 ] 2µE[X] + µ 2 = E[X 2 ] µ 2 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 21
23 Varianza Varianza Ejemplo: Si al lanzar una moneda cargada, sea la VAD X el número de águilas, P(X = 0) = 0.3, P(X = 1) = 0.7, entonces: E[X] = x xp(x = x) = = 0.7 Cabe recalcar E[X] = 0.7, de hecho, para cualquier k. E[X k ] = 0 k k 0.7 = 0.7 Así que: Var(X) = E[X 2 ] (E[X]) 2 = = 0.21 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 22
24 Varianza Varianza Ejercicio: Sea la VAD X el no. de partes defectuosas al sacar una muestra de tres de una ĺınea de producción, con la siguiente distribución de probabilidad: 0.51 para x = para x = 1 f(x) = 0.10 para x = para x = 3 0 para otro valor IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 23
25 Varianza Varianza Ejercicio: Sea la VAD X el no. de partes defectuosas al sacar una muestra de tres de una ĺınea de producción, con la siguiente distribución de probabilidad: 0.51 para x = para x = 1 f(x) = 0.10 para x = para x = 3 0 para otro valor µ =0(0.51) + 1(.38) + 2(0.1) + 3(0.01) = 0.61 E[X 2 ] =0(0.51) + 1(.38) + 4(0.1) + 9(0.01) = 0.87 Var(X) =0.87 (0.61) 2 = IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 24
26 Varianza de una Función Lineal Varianza de una Función Lineal Teorema: Var(aX + b) = a 2 Var(X) Ejemplo: En el caso anterior de la moneda cargada. E[X] = 0.7; Var(X) = 0.21 Sea Y = g(x) = 4X + 5, entonces: E[Y ] = E[4X + 5] = 4E[X] + 5 = 7.8 Var(Y ) = Var(4X + 5) = 16 Var(X) = 3.36 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 25
27 Varianza de una Función Varianza de una Función Teorema: Sea X una VAD con distribución de probabilidad f(x). La varianza de la variable aleatoria g(x) es: σ 2 g(x) = E { [g(x) µ g(x) ] 2} = x [g(x) µ g(x) ] 2 f(x) La utilidad de este teorema se destaca cuando g(x) no es una transformación lineal de X. IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 26
VARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Definición de una V.A.C. Definición de una V.A.C.
Más detallesCap. 3 : Variables aleatorias
Cap. 3 : Variables aleatorias Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 16 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de sistemas,
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesVariables aleatorias
Variables aleatorias Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 Una variable aleatoria es un valor numérico que se corresponde con
Más detallesMODELOS DISCRETOS DE PROBABILIDAD
MODELOS DISCRETOS DE PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Modelo Uniforme Discreto Modelo Uniforme Discreto Sea
Más detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Más detallesVARIABLES ALEATORIAS Variable: Característica de los individuos u objetos
1 Definiciones VARIABLES ALEATORIAS Variable: Característica de los individuos u objetos Aleatoria: Azar 1. Una variable aleatoria ( v.a.) es una función que asigna un número real a cada resultado en el
Más detallesResumen de Probabilidad
Definiciones básicas * Probabilidad Resumen de Probabilidad Para calcular la probabilidad de un evento A: P (A) = N o decasosfavorables N o decasosposibles * Espacio muestral (Ω) Es el conjunto de TODOS
Más detalles3. Variables aleatorias
3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución
Más 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 detallesLA FUNCIÓN VARIABLE ALEATORIA (va.)
LA FUNCIÓN VARIABLE ALEATORIA (va.) Una variable aleatoria X es una función que asocia un número real con cada elemento del espacio muestral. Ej: Se sacan fichas de manera sucesiva sin reemplazo de una
Más detallesMétodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................
Más detallesPart I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas
Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando
Más detallesVariables aleatorias. Descripción breve del tema. Objetivos. Descripción breve del tema. Tema 4
Descripción breve del tema Variables aleatorias Tema 4 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Descripción breve
Más detallesTEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES. Variable aleatoria (Real)
TEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES Grado Ing Telemática (UC3M) Teoría de la Comunicación Variable Aleatoria / 26 Variable aleatoria (Real) Función que asigna un valor
Más detallesDistribuciones Discretas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 6.
Distribuciones Discretas de Probabilidad 1 Contenido 1. Variables Aleatorias. 2. Distribuciones Discretas de Probabilidad. 3. Valor Esperado y Varianza. Propiedades. 4. Distribución de Probabilidad Binomial.
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 detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 5 Esperanza y momentos Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
Más detallesVARIABLES ALEATORIAS. Ing. Andrés Álvarez Cid
VARIABLES ALEATORIAS Ing. Andrés Álvarez Cid VALOR ESPERADO CASO DISCRETO Sea X una variable aleatoria discreta con un conjunto de valores posibles D y una función de probabilidad p(x). El valor esperado
Más detallesRepaso de Estadística
Teoría de la Comunicación I.T.T. Sonido e Imagen 25 de febrero de 2008 Indice Teoría de la probabilidad 1 Teoría de la probabilidad 2 3 4 Espacio de probabilidad: (Ω, B, P) Espacio muestral (Ω) Espacio
Más detallesTrimestre Septiembre-Diciembre 2007 Departamento de Cómputo Científico y Estadística Probabilidades para Ingenieros CO3121 Guía de ejercicios # 6
Trimestre Septiembre-Diciembre 2007 Departamento de Cómputo Científico y Estadística Probabilidades para Ingenieros CO3121 Guía de ejercicios # 6 Contenido Valor Esperado, Caso Discreto. Valor Esperado,
Más detallesDistribuciones de Probabilidad para Variables Aleatorias Discretas 1
Distribuciones de Probabilidad para Variables Aleatorias Discretas Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística,
Más detallesTema 4: Variables aleatorias.
Estadística 46 Tema 4: Variables aleatorias. El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos aleatorios, que en muchos
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Conceptos Fundamentales Parte 2 Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesEstadística I Tema 5: Modelos probabiĺısticos
Estadística I Tema 5: Modelos probabiĺısticos Tema 5. Modelos probabiĺısticos Contenidos Variables aleatorias: concepto. Variables aleatorias discretas: Función de probabilidad y función de distribución.
Más detallesUnidad 3. Probabilidad. Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre / 22
Unidad 3. Probabilidad Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre 2018-1 1 / 22 Espacios de probabilidad El modelo matemático para estudiar la probabilidad se conoce como espacio de
Más 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 detallesVariables Aleatorias. Introducción
Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,
Más detallesRequisitos Matemáticos. Clase 01. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Universidad Austral de Chile Escuela de Ingeniería Comercial ICPM050, Econometría Clase 01 Requisitos Matemáticos Profesor: Carlos R. Pitta Econometría, Prof. Carlos R. Pitta, Universidad Austral de Chile.
Más detallesEstadística. Tema 3. Esperanzas Esperanza. Propiedades Varianza y covarianza. Correlación
Estadística Tema 3 Esperanzas 31 Esperanza Propiedades 32 Varianza y covarianza Correlación 33 Esperanza y varianza condicional Predicción Objetivos 1 Medidas características distribución de VA 2 Media
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesTeorema de Bayes(6) Nos interesan las probabilidades a posteriori o probabilidades originales de las partes p i :
Teorema de Bayes(5) 75 Gráficamente, tenemos un suceso A en un espacio muestral particionado. Conocemos las probabilidades a priori o probabilidades de las partes sabiendo que ocurrió A: Teorema de Bayes(6)
Más detallesTema 6 - Introducción. Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo.
Tema 6 - Introducción 1 Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo. Generalización Tema 6. Variables aleatorias unidimensionales
Más detallesSistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad
Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad Indice 1) Sucesos aleatorios. Espacio muestral. 2) Operaciones con sucesos. 3) Enfoques de la Probabilidad.
Más detallesBASES DE LA PROBABILIDAD
BASES DE LA PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus UPIICSA Instituto Politécnico Nacional Primavera 2004 IPN c 2004 Juan C. Gutiérrez Matus IPN c 2004 Juan C. Gutiérrez Matus 1 Introducción
Más detallesVariables aleatorias. Tema Introducción Variable aleatoria. Contenido
Tema 4 Variables aleatorias En este tema se introduce el concepto de variable aleatoria y se estudian los distintos tipos de variables aleatorias a un nivel muy general, lo que nos permitirá manejar los
Más detallesVariables aleatorias continuas, TCL y Esperanza Condicional
Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función
Más detallesVariables aleatorias continuas y Teorema Central del Limite
Variables aleatorias continuas y Teorema Central del Limite FaMAF 17 de marzo, 2015 Variables aleatorias continuas Definición Una variable aleatoria X se dice (absolutamente continua) si existe f : R R
Más detallesVariables Aleatorias Discretas
Unicatólica 15 de agosto de 2016 Variables aleatorias Se dice que hemos definido una variable aleatoria para un experimento aleatorio cuando hemos asociado un valor numérico a cada resultado del experimento.
Más detalles2. VARIABLE ALEATORIA. Estadística I Dr. Francisco Rabadán Pérez
2. VARIABLE ALEATORIA Estadística I Dr. Francisco Rabadán Pérez Índice 1. Variable Aleatoria 2. Función de Distribución 3. Variable Aleatoria Discreta 4. Variable Aleatoria Continua 5. Esperanza Matemática
Más detallesDISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD
DISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD FUNCIÓN DE DISTRIBUCIÓN ( CONJUNTA ) DE UN VECTOR ALEATORIO FUNCIÓN DE CUANTÍA ( CONJUNTA) DE VECTORES ALETORIOS DISCRETOS FUNCIÓN DE DENSIDAD (CONJUNTA)
Más detalles36 } Partiendo de nuestros datos. La media es: 36, 3 36, 5 36, 4 36, 6. Partiendo del dato obtenido de la media. La varianza es: σ 2 = 35 6 = 5.
Tarea 7 Variables Aleatorias Discretas En los ejercicios del al 7 encontrar: a) La función de distribución variables, b) La media y varianza de la variable.. Considere el experimento de lanzar dos dados
Más detallesTEMA 2.- VARIABLES ALEATORIAS
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 16/17 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias. 2.2. Variables aleatorias discretas. Diagrama de barras. 2.3. Función de
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 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 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 detalles4.1. Definición de variable aleatoria. Clasificación.
Capítulo 4 Variable aleatoria Una variable aleatoria es un valor numérico que corresponde a un resultado de un experimento aleatorio. Algunos ejemplos son: número de caras obtenidas al lanzar seis veces
Más detallesVariables Aleatorias Discretas
Profesor Alberto Alvaradejo Ojeda 9 de septiembre de 2015 Índice 1. Variable aleatoria 3 1.1. Discretas...................................... 3 1.2. Continuas..................................... 3 1.3.
Más detallesPROBABILIDAD CONDICIONAL
PROBABILIDAD CONDICIONAL M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Si en el experimento de lanzar un dado tenemos: Entonces:
Más detalles6. VARIABLES ALEATORIAS
6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta
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 detallesDefinición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).
VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido
Más detallesTema 3: Funcio n de Variable Aleatoria
Tema 3: Funcio n de Variable Aleatoria Teorı a de la Comunicacio n Curso 2007-2008 Contenido 1 Función de una Variable Aleatoria 2 3 Cálculo de la fdp 4 Generación de Números Aleatorios 5 Momentos de una
Más 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 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 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 detallesVariables aleatorias continuas
//2 Análisis de datos y gestión veterinaria Variables aleatorias continuas y distribuciones Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 8 de Noviembre de 2
Más detallesTeoría Estadística Elemental I Teoría (resumida) del 2 do Tema
Teoría Estadística Elemental I Teoría (resumida) del 2 do Tema Raúl Jiménez Universidad Carlos III de Madrid Noviembre 2011 Consideremos el lanzamiento de un dado, Ω = {1, 2, 3, 4, 5, 6}, y supongamos
Más detallesCurso Propedéutico de Cálculo Sesión 6: Aplicaciones de la Integración
por Curso Propedéutico de Cálculo Sesión 6: de la Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico Esquema por 1 por 2 Esquema por 1 por 2 por Al contrario
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesTema 2: Magnitudes aleatorias
Facultad de Economía y Empresa 1 Prácticas Tema.- Magnitudes aleatorias Tema : Magnitudes aleatorias DEMANDA La demanda de cierto artículo es una variable aleatoria con la siguiente distribución: Número
Más detalles6-1. Dos preguntas sobre 100 tiradas de dado
Semana 6 Esperanza y Varianza 6-1. Dos preguntas sobre 100 tiradas de dado 6-2. Esperanza 6-3. Propiedades básicas de la esperanza 6-4. Distancia esperada a la media 6-5. Varianza 6-6. Demostraciones 6-1.
Más detallesTema 3. VARIABLES ALEATORIAS.
3..- Introducción. Tema 3. VARIABLES ALEATORIAS. Objetivo: Encontrar modelos matemáticos para el trabajo con probabilidad de sucesos. En particular, se quiere trabajar con funciones reales de variable
Más detallesEstadís4ca y Métodos Numéricos Tema 2. Variable Aleatoria
Estadís4ca y Métodos Numéricos Tema. Variable Aleatoria Ángel Barón Caldera Ángel Cobo Ortega María Dolores Frías Domínguez Jesús Fernández Fernández Francisco Javier González Or@z Carmen María Sordo García
Más detallesTEMA 2: DISTRIBUCIONES DE PROBABILIDAD
ESTADÍSTICA, CURSO 008 009 TEMA : DISTRIBUCIONES DE PROBABILIDAD LEYES DE PROBABILIDAD. SUCESOS ALEATORIOS Experimetos aleatorios, espacio muestral. Sucesos elemetales y compuestos. Suceso imposible Ø,
Más detallesESTADÍSTICA. Facultad Nacional de Ingeniería Oruro - Bolivia
ESTADÍSTICA Facultad Nacional de Ingeniería Oruro - Bolivia José Luis Zamorano Escalante Universidad Técnica de Oruro Presentación El termino estadística proviene del latín statisticum collegium ( consejo
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 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 detallesVariables Aleatorias y Distribución de Probabilidades
Variables Aleatorias y Distribución de Probabilidades Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de mayo de 2011 Tabla de Contenidos Variables
Más detallesTema 4: Modelos probabilísticos
Tema 4: 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 detallesExperimento de lanzar 3 monedas al aire. Denominando por (C) a Cara y (X) a Cruz, el espacio muestral será: Ω={CCC,CCX,CXC,XCC,CXX,XCX,XXC,XXX}
1 Tema 3 : Variable Aleatoria Unidimensional 3.1. Concepto de variable aleatoria Se llama variable aleatoria (v.a.) a toda aplicación que asocia a cada elemento del espacio muestral (Ω) de un experimento,
Más detallesTarea 1. Conteste lo siguiente: a) Qué constituye la población? Todas las personas aseguradas por el IMSS. b) La población es finita o infinita?
Tarea 1 Esta tarea tiene tres secciones. La primera sección tiene un peso de 15%, la segunda sección tiene un peso de 15%, la tercera sección tiene un peso de 35% y la cuarta tiene un peso de 35%. 2. El
Más detallesPart I. Momentos de una variable aleatoria. Esperanza y varianza. Modelos de Probabilidad. Mario Francisco. Esperanza de una variable aleatoria
una una típica Part I Momentos. Esperanza y varianza Esperanza una una típica Definición Sea X una discreta que toma los valores x i con probabilidades p i. Supuesto que i x i p i
Más 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 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 detallesPROBABILIDAD CLÁSICA (Técnicas de Conteo)
PROBABILIDAD CLÁSICA (Técnicas de Conteo) M. en C. Juan Carlos Gutiérrez Matus INSTITUTO POLITÉCNICO NACIONAL Unidad Profesional Interdisciplinaria de Ingeniería y Ciencias Sociales y Administrativas Primavera
Más detalles8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
Más detallesTema 4: Variables aleatorias multidimensionales
1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica
Más 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 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 detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD VARIABLE ALEATORIA Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida. Por ejemplo, suponga que se tira
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica
Más detallesProbabilidad y Estadística
Vectores aleatorios Probabilidad y Estadística Vectores aleatorios Federico De Olivera Cerp del Sur-Semi Presencial curso 2015 Federico De Olivera (Cerp del Sur-Semi Presencial) Probabilidad y Estadística
Más detallesVariables aleatorias continuas y Características numéricas
Variables aleatorias continuas y Características numéricas 2ºC 2018 Clase Nº 7 Mg. Stella Figueroa Variable aleatoria continua X es una VAC si existe una función f(x), llamada función de densidad de probabilidad
Más detallesTema 3: PROBABILIDAD - IV
Tema 3: PROBABILIDAD - IV La variable aleatoria binomial. Variables aleatorias discretas. Biología sanitaria 2017/18. Universidad de Alcalá M. Marvá. Actualizado: 2017-10-16 Biología sanitaria 2017/18.
Más detallesESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE MATEMÁTICAS TEMA 1 (20 puntos): RUBRICA La magnitud de temblores registrados en una región de América
Más 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 detallesEstadística 1 - Curso 2010
Estadística - Curso 00 Profesor: Jorge Ponce Ayudantes: Luis Freda y Pablo Miguez Facultad de Ciencias Económicas y de Administración Universidad de la República Montevideo, agosto-diciembre 00 (FCEyA)
Más detallesTema 3: Función de Variable Aleatoria y Teoremas Asintóticos
Tema 3: Función de Variable Aleatoria y Teoremas Asintóticos Curso 2016-2017 Contenido 1 Función de una Variable Aleatoria 2 Cálculo de la fdp 3 Generación de Números Aleatorios 4 Momentos de una Variable
Más detallesEstadística I Tema 5: Modelos probabiĺısticos
Estadística I Tema 5: Modelos probabiĺısticos Tema 5. Modelos probabiĺısticos Contenidos Variables aleatorias: concepto. Variables aleatorias discretas: Función de probabilidad y Función de distribución.
Más detallesVARIABLES ALEATORIAS
VARIABLES ALEATORIAS Ejemplo: lanzar dos dados y sumar lo que sale en las dos caras. El espacio muestral está formado por los 36 resultados posibles (de lanzar los dados) Y el resultado del experimento
Más detallesTema 4: Variables aleatorias multidimensionales
Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia
Más detallesPor: Dra. Victoria Serrano
Por: Dra. Victoria Serrano Una variable aleatoria es una función que asigna un número real X ζ a cada resultado ζ en el espacio muestral S de un experimento aleatorio S X ζ = x ζ x línea real S X Una moneda
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detalles