TEMA 1: INCERTIDUMBRE Y PROBABILIDAD
|
|
- Manuel Peralta Duarte
- hace 7 años
- Vistas:
Transcripción
1 MÉTODOS ESTDÍSTICOS PR L EMPRES TEM 1: INCERTIDUMBRE Y PROBBILIDD La probabldad. Conceptos y cuantfcacón Defncón axomátca de la probabldad Probabldad condconada e ndependenca Probabldad total y teorema de Bayes TEM 1. COMPETENCIS En este tema se pretende famlarzar al alumno con el concepto de probabldad como herramenta para cuantfcar la ncertdumbre asocada a fenómenos aleatoros. Una vez superado el tema los alumnos serán capaces de: Entender las dversas concepcones de la probabldad (clásca, frecuencal y subjetva). Saber dstngur las prncpales expresones que aparecen en el cálculo combnatoro. Interpretar adecuadamente los conceptos de suceso complementaro, unón e nterseccón de sucesos; sucesos ncompatbles y sucesos ndependentes. Identfcar una partcón de sucesos y aplcar sobre ella los teoremas de la probabldad total y Bayes. Interpretar adecuadamente las probabldades a pror, a posteror y las verosmltudes.
2 MÉTODOS ESTDÍSTICOS PR L EMPRES TEM 1: INCERTIDUMBRE Y PROBBILIDD La probabldad. Conceptos y cuantfcacón Motvacón La probabldad es una medda de la ncertdumbre aplcable a muchas stuacones cotdanas Probabldad de mpago de la deuda? Concepto y sgnfcado de la probabldad Cuantfcacón numérca xomátca Probabldad de que suba el IBEX- 35?
3 Conceptos de probabldad Probabldad Clásca Probabldad Frecuencal Probabldad Subjetva P( ) = c. f. c. p. n fr() = n ( ) P P()= Grado de creenca en Cuántos casos posbles hay? Son equprobables los resultados? Es posble repetr las observacones? Se mantenen las condcones? Es posble observar? Cómo se asgnan las probabldades? Cálculo de probabldades. Teoría combnatora Cuál es la probabldad de ganar una apuesta con dados? Y de tener premo en la lotería prmtva? Y de ser nombrado membro de un jurado popular? Varacones con repetcón Varacones Permutacones Combnacones
4 De cuántas formas es posble selecconar n Varacones elementos partendo de un total de m? Seleccón 1 Varacones con Repetcón VR m, n = m. m... m = m Varacones sn Repetcón Vm, n = m.( m 1)...( m n + 1) n Pueden aparecer elementos repetdos El orden es relevante El orden es relevante De cuántas formas es posble ordenar m elementos? Permutacones P = m m!
5 De cuántas formas es posble formar grupos de tamaño n partendo de un total de m elementos? Combnacones C m, n m m! = = n n!( m n )! El orden NO es relevante MÉTODOS ESTDÍSTICOS PR L EMPRES TEM 1: INCERTIDUMBRE Y PROBBILIDD Defncón axomátca de la probabldad
6 Expermentos aleatoros. Conceptos asocados E Espaco muestral o suceso seguro (conjunto de resultados posbles de un expermento aleatoro), B... Sucesos (subconjuntos de E) Suceso mposble B Unón de sucesos (ocurre al menos uno de los dos sucesos) B Interseccón de sucesos (ocurren y B) C Suceso complementaro de (no ocurre ) B= Sucesos ncompatbles (no pueden ocurrr smultáneamente) famla de sucesos con estructura de σ-álgebra s a) b) C c),...,,... 1 n = 1 xomátca de Kolmogorov Una medda de probabldad es una aplcacón de en : P: P() que verfca los sguentes axomas: R R ) P() 0, ) P(E) = 1 ) 1,..., n,..., j = j P = 1 = = 1 P( )
7 Propedades dervadas C B P( C ) = 1 P() B P() P(B) P( ) = 0 B B P( B) = P() + P(B) P( B) MÉTODOS ESTDÍSTICOS PR L EMPRES TEM 1: INCERTIDUMBRE Y PROBBILIDD Probabldad condconada e ndependenca
8 Probabldad condconada La dsponbldad de nformacón afecta a la asgnacón de probabldades Un trabajador tene 24 años o menos Cuál es la probabldad de que se encuentre en paro? INFORMCIÓN DISPONIBLE S edad del trabajador Probabldad de estar en paro condconada por el suceso S La probabldad condconada por un suceso B (P(B)>0), se defne para cada suceso de como: P(/B) = P( B) P(B) Independenca en probabldad La probabldad de ocurrenca de se ve afectada por la ocurrenca de B? NO es ndependente de B P(/B) = P() P ( B) = P()P(B) Condcón de ndependenca es ndependente de B <=> B es ndependente de
9 Ilustracón Encuesta a 100 actvos de 2 comundades autónomas sobre su stuacón laboral sturas () País Vasco (V) Ocupados (O) Parados (N) P = 100 ( N) = 0,06 Probabldad conjunta 14 P = 100 ( N) = 0,14 ( N) P( ) 6 P 0,06 P ( N/) = = = = 0, ,33 ( N) P( V) 8 P V 0,08 P ( N/V) = = = = 0, ,67 Probabldad margnal Probabldades condconadas Independenca? MÉTODOS ESTDÍSTICOS PR L EMPRES TEM 1: INCERTIDUMBRE Y PROBBILIDD Probabldad total y teorema de Bayes
10 Partcón o sstema completo de sucesos Un sstema de sucesos 1,, n, forman una partcón o sstema completo de sucesos s verfcan: 1) P( ) > 0 = 1,2,...n 2) 3) n = 1 j = = E j E Teorema de la probabldad total Dado un espaco de probabldad (E,,P) sobre el que se establece una partcón ( 1,..., n ), y dado un suceso B de : E P(B) = n = 1 P(B/ )P( ) Probabldades a pror o ncales 1 2 B Verosmltudes 3 4
11 Teorema Probabldad Total. Ilustracón La plantlla de una empresa consta de un 70% de técncos, un 25% de admnstratvos y un 5% de drectvos. En cada una de estas categorías la proporcón de personas que ha comprado accones (C) de la empresa ascende al 40%, 30% y 70% respectvamente lternatva Técncos (T) dmnstratvos () Drectvos (D) Partcón Probabldad a pror 0,70 0,25 0,05 Comprar accones (C) 40% 30% 70% Verosmltudes Selecconado un trabajador al azar, probabldad de que haya comprado accones de la empresa? P(C)=P(C/T)P(T)+P(C/)P()+P(C/D)P(D)=0,39 Teorema de Bayes Dada una partcón 1,..., n de E y otro suceso B tal que P(B)>0, entonces se tene: P( /B) = n P(B/ = 1 P(B/ )P( ) )P( ) Probabldades a posteror o fnales
12 Probabldades a posteror. Ilustracón Un trabajador ha comprado accones de la empresa, probabldad de que se trate de un drectvo? P(C/D)P(D) (0,70)(0,05) P(D/C) = = = 0,09 P(C) 0,39 lternatva Probabldad a pror Probabldad con compra de accones Técncos (T) 0,7 0,72 dmnstratvos() 0,25 0,19 Drectvos (D) 0,05 0,09 Probabldades a posteror o fnales
Capítulo 4 Probabilidades Estadística Computacional II Semestre 2006
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo 4 Probabldades Estadístca Computaconal II Semestre 006 Profesores: Héctor llende (hallende@nf.utfsm.cl) Carlos Valle (cvalle@nf.utfsm.cl)
Más detallesAnálisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70
Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesFACULTAD DE INGENIERÍA U N A M
FCULTD DE INGENIERÍ U N M Irene atrca Valdez y lfaro renev@servdor.unam.mx T E M S DEL CURSO 1. nálss Estadístco de datos muestrales. 2. Fundamentos de la Teoría de la probabldad. 3. Varables aleatoras.
Más detalles4. PROBABILIDAD CONDICIONAL
. ROBBILIDD CONDICIONL La probabldad de que ocurra un evento B cuando se sabe que ha ocurrdo algún otro evento se denomna robabldad Condconal, Se denota como (B/) y se lee como la probabldad de que ocurra
Más detallesINTRODUCCIÓN A LA PROBABILIDAD
INTRODUCCIÓN A LA PROBABILIDAD José Lus Quntero Expermento aleatoro Expermento Bnomal Teoría de Conjuntos Probabldad Teorema de Bayes Técncas de Conteo Unversdad Central de Venezuela Facultad de Ingenería
Más detallesPROBABILIDAD. Álgebra de sucesos. Inclusión o igualdad de sucesos. Operaciones con sucesos.
ROILIDD Álgebra de sucesos. Un fenómeno o exerenca se dce que es aleatoro cuando al reetrlo en condcones análogas es mosble de redecr el resultado. El conjunto de todos los resultados osbles de un exermento
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesn p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción
Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesTema 1: TEORÍA DE LA PROBABILIDAD
Tema : TEORÍ DE L ROLDD Carlos lberola López Lab. rocesado de magen, ETS Telecomuncacón Despacho D04 caralb@tel.uva.es, jcasasec@tel.uva.es, http://www.lp.tel.uva.es/sar . ara qué estudar esto? Se pretende
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallesPROBABILIDADE 1) EXPERIMENTO ALEATORIO. ESPACIO MOSTRAL ASOCIADO.
PROBABILIDADE 1) EXPERIMENTO ALEATORIO. ESPACIO MOSTRAL ASOCIADO. 1.1 Concepto de expermento aleatoro : aqueles expermentos que ó repetlos en análogas condcóns non se pode predecr o resultado en cada nova
Más detallesVariables aleatorias discretas
UNIDAD 5 Varables aleatoras dscretas Objetvos Al fnalzar la undad, el alumno: utlzará el método de puntos muestrales asocado a varables aleatoras dstngurá una varable aleatora dscreta de una varable aleatora
Más detallesTEMA 1: PROBABILIDAD
robabldad TEM : ROBBILIDD Índce del tema Índce del tema.. Introduccón 2.2. Defncón de probabldad 3.2.. ropedades nmedatas 3 Ejemplo 7 Ejemplo 2 8 Ejemplo 3 9.3. robabldad condconada 0.3.. Introduccón 0.3.2.
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesMatemáticas Discretas
Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesIntroducción. Escuela Técnica Superior de Ingeniería Informática. Universidad de La Laguna. Fernando Pérez Nava
Reconocmento de Patrones Introduccón Tema : Reconocmento Estadístco de Patrones Por qué una aproxmacón estadístca en el RP? La utlzacón de característcas para representar una entdad provoca una pérdda
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa
Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,
Más detallesTema 1: Jerarquía Digital Síncrona, SDH Disponibilidad de Sistemas
Tema : Jerarquía Dgtal Síncrona, SDH Dsponbldad de Sstemas Tecnologías de red de transporte de operadora MÁSTER EN INGENIERÍ TELEMÁTIC Profesor: Espín Defncones Fabldad (Relablty): Probabldad de que el
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesINSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA MEDIANTE EL PROCEDIMIENTO, DE LO CONTRARIO SERÁ ANULADO.
INSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA MEDIANTE EL PROCEDIMIENTO, DE LO CONTRARIO SERÁ ANULADO. I.- RELACIONE AMBOS COLUMNAS Y SELECIONE LA RESPUESTA CORRECTA
Más detallesTEMA 4 Variables aleatorias discretas Esperanza y varianza
Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesGeometría Axiomática de la Convexidad Parte II: Axiomática de Cápsula convexa
Geometría Axomátca de la Convexdad Parte II: Axomátca de Cápsula convexa Juan Carlos Bressan Resumen En la Parte I estudamos una axomátca de segmentos, en la que defnmos los convexos y estudamos sus propedades
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesGuía para la autoevaluación del del capítulo 6
Capítulo 6: EL BANCO CENTRAL Y LA POLÍTICA MONETARIA Guía para la autoevaluacón del del capítulo 6 1) Ante una recuperacón económca, cuál es el cambo que se produce en los valores de equlbro del mercado
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesTEMA 1 PROBABILIDAD 1/10. Ejemplos : E y E
wwwovauedes/webpages/ilde/web/dexhtm e-mal: mozas@elxuedes TEMA PROAILIDAD SUCESOS Exste feómeos o expermetos que, repetdos e détcas codcoes, sempre proporcoa el msmo resultado, a los que llamaremos determstas,
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza
EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesVectores en el espacio
ectores en el espaco Los puntos y los vectores en el espaco se pueden representar como ternas de números reales (a,b,c) c b a Por el Teorema de Ptagoras, la norma del vector = (a,b,c) es = a 2 +b 2 +c
Más detallesNúmeros Complejos. 4º Año. Matemática. Cód M i r t a R o s i t o V e r ó n i c a F i l o t t i J u a n C a r l o s B u e
Números Complejos Matemátca 4º Año Cód. 403-8 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad
Más detallesNúmeros Complejos. 4º Año. Matemática. Cód M i r t a R o s i t o V e r ó n i c a F i l o t t i J u a n C a r l o s B u e
Números Complejos Matemátca 4º Año Cód. 404-7 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de M atemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesNúmeros Complejos. Matemática
Números Complejos Matemátca 4º Año Cód. 40-6 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad
Más detallesNúmeros Complejos. Matemática
Números Complejos Matemátca 4º Año Cód. 40-5 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad
Más detalles1. Variable aleatoria. Clasificación
Tema 7: Varable Aleatora Undmensonal 1. Varable aleatora. Clasfcacón. Caracterzacón de una varable aleatora. Varable Aleatora dscreta. Varable Aleatora contnua 3. Característcas de una varable aleatora.
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesProbabilidad condicionada
Probabldad condconada Ejemplo: En una empresa con 00 empleados, 00 hombres y 00 mujeres, hay que selecconar a varos de ellos, por sorteo, para formar un comté que supervse las decsones de la drectora.
Más detallesMUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Más detallesExperimento determinístico. Aquellos que dan lugar al mismo resultado siempre que se realicen bj bajo las mismas condiciones.
Tema 3. Espacos de Probabldad. Defcó axomátca y propedades báscas de la Probabldad 3.. Itroduccó. Feómeos y expermetos aleatoros. Álgebra de sucesos E este tema se establece ls ocoes báscas para el desarrollo
Más detallesTRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica.
TRABAJO Y ENERGÍA INTRODUCCIÓN La aplcacón de las leyes de Newton a problemas en que ntervenen fuerzas varables requere de nuevas herramentas de análss. Estas herramentas conssten en los conceptos de trabajo
Más detallesProbabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3
Probabldad PROBBILIDD. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó axomátca
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesdeterministas, que son aquellos cuyos resultados se pueden predecir de antemano, y
CÁLCULO DE PROBBILIDDES : Experimento aleatorio. Espacio muestral. Sucesos. Álgebra de sucesos. Frecuencias. Propiedades. Probabilidad. Resumen de Combinatoria. Probabilidad condicionada. Teoremas. PROBBILIDD
Más detallesMecánica Estadística: Estadística de Maxwell-Boltzmann
Ludwg Boltzmann 1844-1906 James Clerk Maxwell 1831-1879 E. Martínez 1 Lápda de Boltzmann en el cementero de Vena S=k ln W E. Martínez 2 S=k ln W Entropía, una propedad termodnámca Una medda de nuestra
Más detallesIndice de Coste Laboral Armonizado. Metodología
Indce de Coste Laboral Armonzado Metodología Indce 1. Introduccón 2. Defncones 3. Formulacón 4. Ajuste de seres 1. Introduccón El objetvo prncpal del Indce de Coste Laboral Armonzado es proporconar una
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesLa representación Denavit-Hartenberg
La representacón Denavt-Hartenberg José Cortés Parejo. Marzo 8 Se trata de un procedmeto sstemátco para descrbr la estructura cnemátca de una cadena artculada consttuda por artculacones con. un solo grado
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesMÓDULO DE ADMINISTRACIÓN DE DOCUMENTOS EN IRON MOUNTAIN CONNECT C
Búsqueda smple MÓDULO DE ADMINISTRACIÓN DE DOCUMENTOS EN IRON MOUNTAIN CONNECT C3.2 07.16 2016 Iron Mountan Incorporated. Todos los derechos reservados. Iron Mountan y el dseño de montaña son marcas regstradas
Más detallesPRUEBAS DE SIGNIFICACIÓN DE MEDIAS Y SUS DIFERENCIAS 1. La Significación de Medias en Muestras Grandes
Departamento de Maneo Forestal FR00 SEMINARIO EN ESTADISTICA FORESTAL PRUEBAS DE SIGNIFICACIÓN DE MEDIAS Y SUS DIFERENCIAS La Sgnfcacón de Medas en Muestras Grandes De las sesones anterores podemos entender
Más detallesTEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS
ESTADÍSTICA I TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS VII.1.- Varable aleatora. Clasfcacón. VII.1.1.- Introduccón. VII.1..- Defncón. VII.1.3.- Clasfcacón. VII..- Caracterzacón de
Más detallesUNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena.
UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE COURNOT. Autores: García Córdoba, José Antono; josea.garca@upct.es Ruz Marín, Manuel; manuel.ruz@upct.es Sánchez García, Juan Francsco; jf.sanchez@upct.es
Más detalles5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.
Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las
Más detallesUNIDAD Nº 3 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
UNIDAD Nº 3 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD DISTRIBUCION BINOMIAL: Se busca generalmente, determnar la probabldad de que un suceso ocurra un determnado número (n ) de veces en n repetcones de
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detalles5. DIAGONALIZACIÓN DE MATRICES
Dagonalzacón Herraentas nforátcas para el ngenero en el estudo del algebra lneal 5. DIAGONALIZACIÓN DE MATRICES 5.1. INTRODUCCIÓN 5.2. VALORES Y VECTORES PROPIOS 5.3. MATRICES DIAGONALIZABLES 5.4. DIAGONALIZACIÓN
Más detallesi=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1
CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de
Más detallespara cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.
Conceptos de Probabldad A contnuacón se presenta una revsón no ehaustva y a manera ntroductora de conceptos báscos de la teoría de probabldades. Un estudo proundo y ormal de estos se puede hacer en Mood
Más detallesIN540: Métodos Estadísticos para economía y gestión Profesores: Marcelo Henríquez, Felipe Avilés Auxiliares: José Miguel Carrasco
Departamento de Ingenería Industral Facultad de Cs. Físcas y Matemátcas Unversdad de Chle IN540: Métodos Estadístcos para economía y gestón Profesores: Marcelo Henríquez, Felpe Avlés Auxlares: José Mguel
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesTema 2: El modelo clásico de regresión
CURSO 010/011 Tema : El modelo clásco de regresón Aránzazu de Juan Fernández ECONOMETRÍA I ESQUEMA DEL TEMA Presentacón del modelo Hpótess del modelo Estmacón MCO Propedades algebracas de los estmadores
Más detallesINTRODUCCIÓN A LOS MODELOS DE SUPERPOBLACIÓN EN LAS TÉCNICAS DE MUESTREO CON PROBABILIDADES DESIGUALES
Metodología de Encuestas ISSN: 1575-7803 Vol 4, Núm 1, 00, 87-104 INTRODUCCIÓN A LOS MODELOS DE SUPERPOBLACIÓN EN LAS TÉCNICAS DE MUESTREO CON PROBABILIDADES DESIGUALES Gonzalo Sánchez-Crespo Insttuto
Más detallesCAPÍTULO 1 LOS SISTEMAS DE PEARSON COMO GENERADORES DE DISTRIBUCIONES DE PROBABILIDAD. APLICACIONES ESTADÍSTICAS Y ECONÓMICAS
CAPÍTULO 1 LOS SISTEMAS DE PEARSON COMO GENERADORES DE DISTRIBUCIONES DE PROBABILIDAD. APLICACIONES ESTADÍSTICAS Y ECONÓMICAS RAFAEL HERRERÍAS PLEGUEZUELO JOSÉ CALLEJÓN CÉSPEDES Departamento de Métodos
Más detallesAprendizaje Bayesiano. Oscar Javier Prieto Izquierdo Raúl Casillas Díaz
Aprendzaje Bayesano Oscar Javer Preto Izquerdo Raúl Casllas Díaz Contendos Introduccón. Teorema de Bayes. MAP Maxmum a posteror. Aprendzaje MAP. Clasfcador bayesano óptmo. Aprendzaje bayesano nave. Ejemplo.
Más detallesFacultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística
Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesÍNDICE FUNDAMENTOS UNIDAD DIDÁCTICA 1. Capítulo 1. Presentación...15
ÍNDICE Presentacón...5 UNIDAD DIDÁCTICA Capítulo FUNDAMENTOS. Crcuto eléctrco... 2 2. Símbolos lterales... 2 3. Convenos para el sentdo de referenca de la corrente eléctrca... 23 4. Convenos para la polardad
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesESTADÍSTICA II ESTADÍSTICA INFERENCIAL PARAMÉTRICA, NO PARAMÉTRICA Y MULTIVARIANTE
ESTADÍSTICA II ESTADÍSTICA INFERENCIAL PARAMÉTRICA, NO PARAMÉTRICA Y MULTIVARIANTE Notas de apoyo para el curso Prmera Edcón, febrero de 212 Dr. Oscar Valdemar De la Torre Torres Academa de Matemátcas
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento
Más detallesResumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange
TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesOptimización multicriterio. Andrés Ramos Universidad Pontificia Comillas
Optmzacón multcrtero Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu Contendo 1. Conceptos báscos 2. Métodos contnuos 3. Métodos dscretos Escuela Técnca
Más detallesTema 21: Distribución muestral de un estadístico
Análss de Datos I Esquema del Tema 21 Tema 21: Dstrbucón muestral de un estadístco 1. INTRODUCCIÓN 2. DISTRIBUCIÓN MUESTRAL DE LA MEDIA 3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN Bblografía * : Tema 15
Más detallesModelos de participación de mercado
Modelos de partcpacón de mercado IN58B Ingenería de Marketng Ncolás Frts Manuel Reyes Maurco Ramírez Introduccón Por qué modelos de Partcpacón de Mercado (PM)? Se busca modelos en que puedan ntroducrse
Más detallesPyE_ EF1_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesXII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.
Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas
Más detallesClase Auxiliar #1: Teoría de Juegos
UNIVERSIDAD DE CHILE FAC DE CIENCIAS FÍSICAS Y MATEMÁTICAS Departamento de Ingenería Industral Curso: IN5A Economía Industral Semestre: Prmavera 7 Profesor: Ronald Fscher Auxlares: Klaus Kaempfe Sofía
Más detallesPara un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X:
7. Varables Aleatoras 57 Defnr una varable aleatora en un eermento aleatoro consste en asocar un valor numérco a cada suceso elemental del eermento. Interesa fundamentalmente asgnar robabldades a dchos
Más detallesUNIVERSIDAD DE CANTABRIA DEPARTAMENTO DE CIENCIAS Y TÉCNICAS DEL AGUA Y DEL MEDIO AMBIENTE TESIS DOCTORAL
UNIVERSIDAD DE CANTABRIA DEPARTAMENTO DE CIENCIAS Y TÉCNICAS DEL AGUA Y DEL MEDIO AMBIENTE TESIS DOCTORAL ESTUDIO DE LA VARIABILIDAD CLIMÁTICA DE VALORES EXTREMOS DE OLEAJE Presentada por: CRISTINA IZAGUIRRE
Más detallesCurso Práctico de Bioestadística Con Herramientas De Excel
Curso Práctco de Boestadístca Con Herramentas De Excel Fabrzo Marcllo Morla MBA barcllo@gmal.com (593-9) 419439 Otras Publcacones del msmo autor en Repostoro ESPOL Fabrzo Marcllo Morla Guayaqul, 1966.
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesUniversitas Scientiarum ISSN: Pontificia Universidad Javeriana Colombia
Unverstas Scentarum ISS: 0-7483 revstascentfcasjaverana@gmal.com Pontfca Unversdad Javerana Colomba Aranda, Mosés; Molna, Fabo; Moreno, Vladmr EL PROBLEMA DEL CUMPLEAÑOS, UA GEERALIZACIÓ Unverstas Scentarum,
Más detallesEstadística I Tema 4: Probabilidad
Estadística I Tema 4: Probabilidad Tema 4. Probabilidad Contenidos Experimentos aleatorios, espacio muestral, sucesos elementales y compuestos. Definición de probabilidad. Propiedades. Probabilidad condicionada
Más detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLII D FRCUNCIA XPRION PARA L CÁLCULO D LO VNO PARA L PRÍODO D RORNO Y D LO RPCIVO RROR ÁNDAR D IMACIÓN RQURIDO PARA LA DRMINACIÓN D LO INRVALO D CONFIANZA D LO IMADO D LO VALOR PRADO JULIAN DAVID ROJO
Más detallesA I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A
Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5 Modelos de Probabldades Estadístca stca Computacoal II Semestre 005 Profesores: Héctor llede (hallede@f.utfsm.cl
Más detallesCapítulo 2. Juegos Simples Introducción
Capítulo 2 Juegos Smples 2.. Introduccón Una vez ntroducdos los conceptos de los juegos cooperatvos, vamos a centrarnos en una famla muy mportante dentro de los juegos cooperatvos de utldad transferble.
Más detalles