Vectores aleatorios. Estadística I curso
|
|
- Lucía Ávila Naranjo
- hace 8 años
- Vistas:
Transcripción
1 Vectores aleatorios Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso En numerosas ocasiones estudiamos más de una variable asociada a un experimento aleatorio Un vector aleatorio es una aplicación del espacio muestral E en R n En el caso bidimensional (n = 2), (X, Y ) : E R 2 1 Distribución conjunta de un vector aleatorio A la distribución de probabilidad que describe el comportamiento simultáneo de todas las variables que componen un vector aleatorio se le llama distribución de probabilidad conjunta 11 Vectores aleatorios discretos Si X e Y son dos variables aleatorias discretas, podemos definir función de probabilidad conjunta: p(x, y) = P (X = x, Y = y), que debe cumplir, p(x, y) 0 y x y p(x, y) = 1 función de distribución conjunta: F (x 0, y 0 ) = P (X x 0, Y y 0 ) = x x 0 y y 0 p(x, y) 111 Distribución Multinomial Dado un experimento aleatorio con k posibles resultados con probabilidades p 1, p 2,, p k constantes en distintas realizaciones y que se repite n veces en condiciones de independencia, un vector aleatorio (X 1, X 2,, X n ) sigue distribución multinomial si cada X i representa el número de veces (de entre las n realizaciones experimentales) en las que ocurre el resultado i-ésimo 1
2 La función de probabilidad conjunta es P (X 1 = x 1, X 2 = x 2,, X k = x k ) = donde x 1 + x x k = n y p 1 + p p k = 1 12 Vectores aleatorios continuos n! x 1!x 2! x k! px 1 1 p x 2 2 p x k k, Si X e Y son dos variables aleatorias continuas, podemos definir función de densidad conjunta: f(x, y) que debe cumplir f(x, y) 0 y f(x, y)dxdy = 1 Sirve para calcular cualquier probabilidad, P (a X b, c Y d) = función de distribución conjunta: F (x 0, y 0 ) = P (X x 0, Y y 0 ) = Además tenemos que f(x, y) = 2 F (x, y) x y b d a c x0 y0 f(x, y)dydx f(x, y)dydx 2 Distribuciones marginales y condicionadas Las distribuciones marginales y condicionadas son distribuciones unidimensionales asociadas a las de un vector aleatorio Para ellas podemos calcular probabilidades, medias, varianzas, etc 21 Distribuciones marginales A la distribución, por separado, de cada una de las variables que componen el vector aleatorio, se le llama distribución marginal 2
3 Variables discretas Si X e Y son variables aleatorias discretas con función de probabilidad conjunta p(x, y) función de probabilidad (marginal) de X: p X (x) = P (X = x) = y P (X = x, Y = y) función de probabilidad (marginal) de Y : p Y (y) = P (Y = y) = x P (X = x, Y = y) Variables continuas Si X e Y son variables aleatorias continuas con función de densidad conjunta f(x, y) función de densidad (marginal) de X: f X (x) = función de densidad (marginal) de Y : f Y (y) = 22 Distribuciones condicionadas f(x, y)dy f(x, y)dx Variables discretas Si X e Y son variables aleatorias discretas con función de probabilidad conjunta p(x, y) función de probabilidad de Y condicionada a X = x 0 (p X (x 0 ) > 0): p(y x 0 ) = P (Y = y X = x 0 ) = P (X = x 0, Y = y) P (X = x 0 ) = p(x 0, y) p X (x 0 ) función de probabilidad de X condicionada a Y = y 0 (p Y (y 0 ) > 0): p(x y 0 ) = P (X = x Y = y 0 ) = P (X = x, Y = y 0) P (Y = y 0 ) = p(x, y 0) p Y (y 0 ) 3
4 Variables continuas Si X e Y son variables aleatorias continuas con función de densidad conjunta f(x, y) función de densidad de Y condicionada a X = x 0 (f X (x 0 ) > 0): f(y x 0 ) = f(x 0, y) f X (x 0 ) función de densidad de X condicionada a Y = y 0 (f Y (y 0 ) > 0): f(x y 0 ) = f(x, y 0) f Y (y 0 ) 3 Independencia entre variables aleatorias Dos variables aleatorias son independientes si el valor que toma una no aporta información sobre el valor que tomará la otra Variables discretas: X e Y son independientes si para todo x, y se cumple alguna de estas condiciones p(y x) = p Y (y) p(x y) = p X (x) p(x, y) = p X (x)p Y (y) Variables continas: X e Y son independientes si para todo x, y se cumple alguna de estas condiciones f(y x) = f Y (y) f(x y) = f X (x) f(x, y) = f X (x)f Y (y) En general X y Y son independientes si su función de distribución conjunta puede escribirse como producto de las marginales, F (x, y) = F X (x)f Y (y) para todos x, y 4
5 4 Características de un vector aleatorio Trabajamos con un vector aleatorio con n componentes X 1, X 2,, X n representándolo como un vector columna, X 1 X 2 X = 41 Esperanza El vector de medias de un vector aleatorio X es aquel cuyas componentes son las esperanzas de cada componente de X, E[X 1 ] E[X 2 ] µ = E[X] = E[X n ] Dado un vector aleatorio bidimensional (X, Y ), podemos hallar la esperanza de una transformación suya como: { x y h(x, y)p(x, y) si X, Y discretas E[h(X, Y )] = h(x, y)f(x, y)dxdy si X, Y continuas 42 Covarianza La covarianza es una medida de la relación lineal entre dos variables, Cov(X, Y ) = E [ (X E[X])(Y E[Y ]) ] = E[XY ] E[X]E[Y ] Propiedades de la covarianza: X n si X e Y son independientes, Cov(X, Y ) = 0 (E[XY ] = E[X]E[Y ]) Cov(X, Y ) = 0 no implica que X e Y sean independientes Cov(aX + b, cy + d) = accov(x, Y ) 5
6 43 Correlación La correlación es una medida adimensional de la relación lineal entre dos variables, ρ(x, Y ) = Cov(X, Y ) Var[X]Var[Y ] Propiedades de la correlación: si X e Y son independientes, ρ(x, Y ) = 0 1 ρ(x, Y ) 1 ρ(x, ax + b) = 1 44 Matriz de varianzas y covarianzas Se trata de una matriz cuadrada n n que viene dada por Var[X 1 ] Cov(X 1, X 2 ) Cov(X 1, X n ) M X = E [ (X µ)(x µ) t] Cov(X 1, X 2 ) Var[X 2 ] Cov(X 2, X n ) = Cov(X 1, X n ) Cov(X 2, X n ) Var[X n ] 5 Transformaciones de vectores aleatorios Dado un vector aleatorio X = (X 1,, X n ) t con función de densidad conjunta f X (x 1,, x n ) lo transformamos en otro vector aleatorio Y = (Y 1,, Y n ) t con la misma dimensión Y 1 = g 1 (X 1,, X n ) Y n = g n (X 1,, X n ) de tal modo que existan transformadas inversas La función de densidad del nuevo vector aleatorio Y es dx 1 dx dy 1 1 dy n f Y (y 1,, y n ) = f X (g 1 (y 1,, y n )) det dx n dx dy 1 n dy n 6
7 51 Convolución Si X 1 y X 2 son variables aleatorias independientes con funciones de densidad f X1 (x 1 ) y f X2 (x 2 ), la función de densidad de Y = X 1 + X 2 es f Y (y) = 52 Transformaciones lineales f X1 (y x)f X2 (x)dx Si X = (X 1, X 2,, X n ) t es un vector aleatorio n-dimensional y A es una matriz de dimensión m n, el vector aleatorio Y = AX (m-dimensional) satisface: E[Y ] = E[AX] = AE[X], M Y = E [ (AX AE[X])(AX AE[X]) t] = AM X A t 6 Distribución Normal multivariante Decimos que X = (X 1, X 2 ) t sigue distribución Normal bivariante con vector de medias µ = (µ 1, µ 2 ) t y matriz de varianzas y covarianzas ( ) σ 2 Σ = 1 ρσ 1 σ 2 ρσ 1 σ 2 σ2 2 si tiene función de densidad { 1 f(x, y) = exp 1 ( 2π Σ 1/2 2 (x 1 µ 1, x 2 µ 2 )Σ 1 x1 µ 1 x 2 µ 2 )}, x 1, x 2 R 61 Propiedades de la distribución Normal bivariante Si ρ = 0, entonces X 1 y X 2 son independientes dados a 1, a 2 R, la variable aleatoria a x X 1 + a 2 X 2 sigue distribución Normal, ( a 1 X 1 + a 2 X 2 N a 1 µ 1 + a 2 µ 2, a 21σ 21 + a 22σ ) a 1 a 2 ρσ 1 σ 2 En particular, X 1 y X 2 siguen distribución Normal Las variables aleatorias X 1 X2 =x 2 y X 2 X1 =x 1 siguen distribución Normal 7
9. 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 detallesElementos de Probabilidad y Estadística Segundo de Economía Examen del 26 de junio de 2006 DURACIÓN: 2 horas
Elementos de Probabilidad y Estadística Segundo de Economía Examen del 6 de junio de 6 DURACIÓN: horas. a) Se realizan lanzamientos de un dado regular. i) Calcular la probabilidad de obtener exactamente
Más detallesTema 5: Vectores aleatorios bidimensionales.
Estadística 52 Tema 5: Vectores aleatorios bidimensionales. Hasta ahora hemos estudiado las variables aleatorias unidimensionales, es decir, los valores de una característica aleatoria. En muchos casos,
Más detallesVariables aleatorias. Función de distribución y características asociadas
Índice 3 Variables aleatorias. Función de distribución y características asociadas 3.1 3.1 Introducción.......................................... 3.1 3.2 Concepto de variable aleatoria................................
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 detallesDistribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema:
Distribuciones Multivariantes Distribuciones Multivariantes Distribución conjunta de un vector aleatorio Objetivos del tema: Distribuciones marginales y condicionadas Al final del tema el alumno será capaz
Más detallesConceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas
Conceptos Fundamentales Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Análisis de datos en física de partículas Experimento en física de partículas: Observación de n sucesos de un cierto tipo (colisiones
Más detallesAnálisis de procesos estocásticos en el dominio del tiempo
Análisis de procesos estocásticos en el dominio del tiempo F. Javier Cara ETSII-UPM Curso 2012-2013 1 Contenido Introducción Procesos estocásticos Variables aleatorias Una variable aleatoria Dos variables
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 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 detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación EXAMEN RESUELTO DE ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO / FECHA: de Enero de Duración del examen: 3 horas Fecha publicación
Más detallesVectores aleatorios (distribuciones multivariantes)
Vectores aleatorios (distribuciones multivariantes) Tema 9. Distribución conjunta de un vector aleatorio. Distribuciones marginales y condicionadas Ignacio Cascos Depto. Estadística, Universidad Carlos
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 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 detallesVectores Aleatorios. Vectores Aleatorios. Vectores Discretos. Vectores Aleatorios Continuos
Definición Dado un espacio muestral S, diremos que X =(X 1, X 2,, X k ) es un vector aleatorio de dimension k si cada una de sus componentes es una variable aleatoria X i : S R, para i = 1, k. Notemos
Más 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 detallesTema 3. Variables aleatorias. Inferencia estadística
Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 3. Variables aleatorias. Inferencia estadística 1. Introducción 1 2. Variables aleatorias 1 2.1. Variable
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 detallesNúmeros aleatorios. Contenidos
Números aleatorios. Contenidos 1. Descripción estadística de datos. 2. Generación de números aleatorios Números aleatorios con distribución uniforme. Números aleatorios con otras distribuciones. Método
Más detallesESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS
ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS DESCRIPCIÓN DEL TEMA: 10.1. Introducción. 10.2. Método de las transformaciones. 10.3. Método de inversión. 10.4. Método de aceptación-rechazo.
Más detallesDistribuciones de probabilidad conjunta y muestras aleatorias
5 Distribuciones de probabilidad conjunta y muestras aleatorias INTRODUCCIÓN En los capítulos 3 y 4 se estudiaron modelos de probabilidad para una sola variable aleatoria. Muchos problemas de probabilidad
Más detallesMétodos generales de generación de variables aleatorias
Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad
Más detalles2 Resolución de algunos ejemplos y ejercicios del tema 2.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 8 2 Resolución de algunos ejemplos y ejercicios del tema 2. 2.1 Ejemplos. Ejemplo 13 La siguiente tabla de frecuencias absolutas corresponde a 200 observaciones
Más detalles1. Conceptos de teoría de la probabilidad
Master de Investigación en Economía Aplicada. Métodos Cuantitativos II. 9-. G.García.. Conceptos de teoría de la probabilidad Espacios de probabilidad. Establece el espacio de probabilidad asociado al
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallesIngeniería Técnica Industrial, todas especialidades. Ingeniería Técnica Telecomunicaciones, Telemática Problemas de examenes
Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Métodos estadísticos de la ingeniería, Estadística Problemas de examenes: Métodos estadísticos de la ingeniería Ingeniería Técnica
Más detallesVECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción VECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M. Desde un punto de vista formal, los vectores aleatorios son la herramienta matemática adecuada para transportar
Más detallesTeoría de Probabilidad
Matemáticas Discretas L. Enrique Sucar INAOE Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para las que no existe
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 detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detalles4.1 El espacio dual de un espacio vectorial
Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesEspacios vectoriales y aplicaciones lineales.
Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en
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 detallesCapítulo 2. Medidas Estadísticas Básicas Medidas estadísticas poblacionales
Capítulo 2 Medidas Estadísticas Básicas 2.1. Medidas estadísticas poblacionales Sea X una variable aleatoria con función de probabilidad p(x) si es discreta, o función de densidad f(x) si es continua.
Más detallesTema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Análisis discriminante Tema 8: Análisis Discriminante y Clasificación Aurea
Más detallesDefinición 1 Un carrier para un juego v es una coalición T tal que para cualquier S, v(s) = v(s T ).
1 Valor de Shapley Definición 1 Un carrier para un juego v es una coalición T tal que para cualquier S, v(s) = v(s T ). Ejemplo 1 Sea v un juego de 3 jugadores, v({1, 2, 3}) = v({1, 2}) = 1, y v(s) = para
Más detallesCartilla 2 Solución Unidad 5: Distribuciones de funciones de variables aleatorias
Cartilla Solución Unidad 5: Distribuciones de funciones de variables aleatorias a P(X0.3 0.7 b P(Y0 X0.3 0.03/0.7 0.76 c La variables no son independientes dado que, por ejemplo: P(X0., Y30 0 es distinto
Más detallesDistribuciones multivariadas
Distribuciones multivariadas Si X 1,X 2,...,X p son variables aleatorias discretas, definiremos la función de probabilidad conjunta de X como p(x) =p(x 1,x 2,...,x k )=P (X 1 = x 1,X 2 = x 2,...,X p =
Más detallesTema 2: Estadística Descriptiva Multivariante
Tema 2: Estadística Descriptiva Multivariante Datos multivariantes: estructura y notación Se llama población a un conjunto de elementos bien definidos. Por ejemplo, la población de las empresas de un país,
Más detallesEn la presente investigación, se contrastará el modelo propuesto en la. investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y
Capítulo 2.- Metodología En la presente investigación, se contrastará el modelo propuesto en la investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y Participación en el mercado de
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 detallesFunciones uno-uno, sobre y biunívocas
Funciones uno-uno, sobre y biunívocas La inversa (biunívocas) de una función es una regla que actúa en la salida de la función y produce la entrada correspondiente. Así, la inversa deshace o invierte lo
Más detallesEstadística aplicada y modelización. 10 de septiembre de 2005
Estadística aplicada y modelización. 10 de septiembre de 005 SOLUCIÓN MODELO A 1. Una persona se está preparando para obtener el carnet de conducir, repitiendo un test de 0 preguntas. En la siguiente tabla
Más detallesEl valor esperado de una variable aleatoria discreta se representa de la siguiente manera:
INTRODUCCIÓN AL VALOR ESPERADO Y VARIANZA (5 MINUTOS) Cuando nos hablan del promedio de que ocurra un evento, cómo sabemos con certeza qué tan cerca estamos de alcanzar ese promedio? Esta pregunta nos
Más detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesGeneración de Números Pseudo-Aleatorios
Números Aleatorios Son un ingrediente básico en la simulación de sistemas Los paquetes de simulación generan números aleatorios para simular eventos de tiempo u otras variables aleatorias Una secuencia
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
Más detallesGeneración de números aleatorios
Generación de números aleatorios Marcos García González (h[e]rtz) Verano 2004 Documento facilitado por la realización de la asignatura Métodos informáticos de la física de segundo curso en la universidad
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 detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Temas: (1) Introducción, (2) Probabilidad y (3) Distribuciones y Densidades de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana
Más detallesPRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.
PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de
Más detallesMETODOS ESTADISTICOS.
AREA DE ESTADISTICA E INVESTIGACION DE OPERACIONES PROGRAMA: METODOS ESTADISTICOS. PROYECTO: SERVICIO DE CONSULTORIA ESTADISTICA. SERVICIO DE CONSULTORIA ESTADISTICA. Diseño con propósitos de un posterior
Más detalles8. Estimación puntual
8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores
Más detallesTarea 1 Ecuaciones Diferenciales I Semestre 2014-1
Profesor: Juan Carlos Fernández Morelos Ayudante: Luisa Márquez Rentería Tarea 1 Ecuaciones Diferenciales I Semestre 2014-1 1. Indicar el orden de las siguientes ecuaciones e indicar si son lineales o
Más detallesCAPÍTULO 5. 5.3 La Distribución Normal
CAPÍTULO 5 5.3 La Distribución Normal Si una variable aleatoria X tiene una distribución Normal y queremos calcular la probabilidad de que X caiga entre dos valores a y b entonces, debemos hallar el área
Más detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más detallesEn una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10).
MODELOS DE PROBABILIDAD En una plantación de manzanos, el peso en kg de la fruta producida anualmente por cada manzano sigue una distribución normal N(50; 10). (a) Si tomamos dos manzanos al azar, cuál
Más detallesTema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES
Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES 1.- Definición de variable aleatoria discreta. Normalmente, los resultados posibles (espacio muestral Ω) de un experimento aleatorio no son
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 detallesExamen de Estadística Ingeniería de Telecomunicación
Examen de Estadística Ingeniería de Telecomunicación 8 de Mayo de 3 Cuestiones solucion h C. (.5p) El equipo directivo de cierta empresa del sector de hostelería está constituido por 5 personas de las
Más detalles4 Aplicaciones Lineales
Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1
Más detalles6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS
6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS Esquema del capítulo Objetivos 6.1. 6.. 6.3. 6.4. ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS COEFICIENTES DE CONTINGENCIA LA
Más detallesFISICA I Escuela Politécnica de Ingeniería de Minas y Energía AJUSTE POR MÍNIMOS CUADRADOS
AJUSTE POR MÍNIMOS CUADRADOS Existen numerosas leyes físicas en las que se sabe de antemano que dos magnitudes x e y se relacionan a través de una ecuación lineal y = ax + b donde las constantes b (ordenada
Más detallesVII. Estructuras Algebraicas
VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación
Más detallestodas especialidades Soluciones de las hojas de problemas
Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica
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 detallesLos valores de las respuesta son las puntuaciones que, de cada individuo, o cluster, obtenemos semanalmente durante cinco semanas consecutivas:
Sobre los modelos lineales mixtos Ejemplo: Recuperación de infarto. Para estudiar las diferencias entre dos procedimientos diferentes de recuperación de pacientes de un infarto, se consideraron dos grupos
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 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 detallesApuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
Más detallesTema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11
Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales
Más detallesValores y vectores propios de una matriz. Juan-Miguel Gracia
Juan-Miguel Gracia Índice 1 Valores propios 2 Polinomio característico 3 Independencia lineal 4 Valores propios simples 5 Diagonalización de matrices 2 / 28 B. Valores y vectores propios Definiciones.-
Más detallesTema 1 Generalidades sobre Ecuaciones Diferenciales Ordinarias (E.D.O.)
Tema 1 Generalidades sobre Ecuaciones Diferenciales Ordinarias (E.D.O.) 1.1 Definiciones Se llama ecuación diferencial a toda ecuación que contiene las derivadas de una o más variables dependientes respecto
Más detallesSeries de tiempo: Una aplicación a registros hidrométricos en una cuenca del Estado de Oaxaca. Arlette Méndez Bustamante
Series de tiempo: Una aplicación a registros hidrométricos en una cuenca del Estado de Oaxaca Arlette Méndez Bustamante Julio de 2013 Dedicatoria A quienes me han heredado el tesoro más valioso que puede
Más detallesSimulación de Curvas de Rendimiento empleando Componentes Principales: Una aplicación para los Fondos de Pensiones. Banco Central de Reserva del Perú
Simulación de Curvas de Rendimiento empleando Componentes Principales: Una aplicación para los Fondos de Pensiones Banco Central de Reserva del Perú - Gonzalo Chávez - Paul Zanabria 1 Introducción La proyección
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesAplicaciones Lineales y Multilineales Continuas
Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones
Más detalles4 APLICACIONES LINEALES. DIAGONALIZACIÓN
4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos
Más detallesR PRÁCTICA II. Probabilidad-Variables Aleatorias. Probabilidad
R PRÁCTICA II Probabilidad-Variables Aleatorias Sección II.1 Probabilidad 15. En el fichero sintomas.dat se encuentran 9 columnas con los resultados de una estadística médica. Cada columna corresponde
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 detallesNota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:
Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición
Más detalles-100 0.10 0 0.20 50 0.30 100 0.25 150 0.10 200
ESTADISTICA Y PROBABILIDAD Orientadores:. Arch. Taller3_est.doc 1. El siguiente es un ejemplo de experimentos y variables aleatorias asociadas. Identifique en cada caso los valores que la variables aleatoria
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 detallesProbabilidad y Estadística
Probabilidad y Estadística Conteo con reemplazamiento Considerando ahora un experimento en que una bola, seleccionada de una caja con n bolas, se regresa a la misma caja. Si se hace un total de k selecciones
Más detallesTablas de Probabilidades
Tablas de Probabilidades Ernesto Barrios Zamudio José Ángel García Pérez José Matuk Villazón Departamento Académico de Estadística Instituto Tecnológico Autónomo de México Mayo 2016 Versión 1.00 1 Barrios
Más detallesVariables aleatorias múltiples
Chapter 4 Variables aleatorias múltiples 4.. Distribución conjunta y marginal Definición 4.. Un vector aleatorio n-dimensional es una función que va de un espacio muestral S a un espacio euclediano n-dimensional
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 detallesLa derivada. 5.2 La derivada de una función
Capítulo 5 La derivada 5. La derivada de una función A continuación trataremos uno de los conceptos fundamentales del Cálculo, que es el de la derivada. Este concepto es un ite que está estrecamente ligado
Más detallesJuegos Cooperativos. Core
Curso : Juegos Cooperativos Core J. Oviedo Universidad Nacional de San Luis 1. Juegos Cooperativos En estos juegos se permite la comunicación entre los jugadores, también pueden firmar contratos de cooperación.
Más detallesANÁLISIS ESTADÍSTICO DE ALGUNAS CARACTERÍSTICAS DEL MAGISTERIO FISCAL DE LA PROVINCIA DE CHIMBORAZO
ANÁLISIS ESTADÍSTICO DE ALGUNAS CARACTERÍSTICAS DEL MAGISTERIO FISCAL DE LA PROVINCIA DE CHIMBORAZO Pablo Alejandro Wong Murillo (1) Gudencio Zurita Herrera (2) (1) Ingeniero en Estadística Informática
Más detallesASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson
ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson 3datos 2011 Análisis BIVARIADO de variables cuantitativas OBJETIVO DETERMINAR 1º) si existe alguna relación entre las variables;
Más detallesMatemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales
Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2
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 detallesNOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA
NOCIONES BÁSICAS DE ESTADÍSTICA ACTUARIAL VIDA A NTONIO F ERNÁNDEZ M ORALES MÁLAGA, 2006 Nociones Básicas de Estadística Actuarial Vida Antonio Fernández Morales Málaga, 2006 Nociones Básicas de Estadística
Más detallesGRADO TURISMO TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES
GRADO TURISMO TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES Prof. Rosario Martínez Verdú TEMA 3: ANÁLISIS DE DATOS TURÍSTICOS BIDIMENSIONALES 1. Distribuciones bidimensionales de frecuencias y diagrama
Más detallesJOSE VICENTE CONTRERAS JULIO CALCULO INTEGRAL LA ANTIDERIVADA
CALCULO INTEGRAL LA ANTIDERIVADA Así como las operaciones matemáticas de la adición, la multiplicación y la potenciación tienen sus inversas en la sustracción, la división y la radicación, la diferenciación
Más detallesEjercicios de Modelos de Probabilidad
Ejercicios de Modelos de Probabilidad Elisa M. Molanes-López, Depto. Estadística, UC3M Binomial, Poisson, Exponencial y Uniforme Ejercicio. Se dispone de un sistema formado por dos componentes similares
Más detallesCURSO 2005-2006 DIPLOMATURA EN CIENCIAS EMPRESARIALES Primer curso. Primer semestre. ANALISIS DESCRIPTIVO DE DATOS ECONOMICOS PROGRAMA:
CURSO 2005-2006 DIPLOMATURA EN CIENCIAS EMPRESARIALES Primer curso. Primer semestre. ANALISIS DESCRIPTIVO DE DATOS ECONOMICOS Profesores: Grupos A y B (Grupos de Prácticas A1 y B1): Rafael A. Cano Guervós
Más detallesx i x, y j y f X,Y (x, y) dx dy {X x, Y y} a F X (a) = lím F X,Y (a, b) = f X (x) = f X,Y (x, y) dy. y x F X,Y (x, y) = f X,Y (x, y),
TEMA 3 3.1 La distribución conjunta de dos (o más) variables. Veamos las definiciones básicas, en el caso de dos v.a.s X, Y sobre un mismo espacio de probabilidad (Ω, F, P). Definiciones: 1) La función
Más detalles