Tablas de Probabilidades
|
|
- Raúl San Martín Ojeda
- hace 7 años
- Vistas:
Transcripción
1 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
2 Barrios et al. Tablas de Probabilidades 2 Notas La idea de elaborar unas tablas de probabilidades surgió del afán de uniformar las tablas empleadas dentro de un mismo curso y entre distintos cursos. Para esto se construyeron las tablas de los cursos Estadística I, Estadística II e Inferencia Estadística, con el mismo contenido de las empleadas oficialmente. Se incluyeron los mismos formularios y distribuciones de probabilidad. Con las primeras versiones de las tablas nos dimos cuenta de las ventajas de contar con el correspondiente documento electrónico. Se puede extraer exclusivamente el material de interés e incluirlo en otro documento. Así pues, en este trabajo hemos compilado los formularios y las tablas de probabilidades utilizadas en los cursos mencionados y algunas distribuciones más para apoyo de cursos optativos. El cálculo de las probabilidades y las gráficas fueron generadas utilizando el lenguaje estadístico R. Para algunas distribuciones se programaron los correspondientes algoritmos que en un caso implicó incluso la liga de R con fortran. El documento fue preparado con L A TEX y el uso del paquete-r xtable. Si tiene algún comentario agradeceremos que nos lo haga llegar a: ebarrios at itam.mx. Copia electrónica de este documento y sus actualizaciones las encontrará en ebarrios/tablasprobabilidad
3 Barrios et al. Tablas de Probabilidades 3 Índice I Formularios 5 1. Estadística I Análisis exploratorio de datos Variables aleatorias Algunas distribuciones de probabilidad Estadística II Algunas distribuciones de probabilidad Estimación puntual Algunos estadísticos y su distribución de muestreo Pruebas no paramétricas Probabilidad, Inferencia Estadística y Econometría Variables aleatorias Distribuciones de probabilidad Distribuciones bivariadas Distribución normal bivariada II Tablas de Probabilidades Distribución Binomial Distribución Poisson Distribución Normal Estándar Distribución χ 2 Ji-Cuadrada Distribución t de Student Distribución F Distribución del estadístico d de Durbin-Watson Distribución del estadístico U de Corridas (Wald-Wolfowitz) Distribución del estadístico ρ s de Spearman Distribución del estadístico U de Mann-Whitney Distribución del estadístico D de Kolmogorov-Smirnov Distribución del estadístico W + de Wilcoxon Números Seudoaleatorios Bibliografía
4 Barrios et al. Tablas de Probabilidades 4
5 Barrios et al. Tablas de Probabilidades 5 Parte I Formularios
6 Barrios et al. Tablas de Probabilidades 6
7 Barrios et al. Tablas de Probabilidades 7 1. Estadística I 1.1. Análisis exploratorio de datos Datos no agrupados Medida descriptiva Población Muestra Media µ = 1 N N i=1 x i x = 1 n n i=1 x i Mediana l(m d ) = 0.5N l( x) = 0.5n Cuartil inferior l(q 1 ) = 0.25N l(q 1 ) = 0.25n Cuartil superior l(q 3 ) = 0.75N l(q 3 ) = 0.75n Amplitud intercuartílica A.I. = Q 3 Q 1 a.i. = q 3 q 1 Desviación media a mediana Varianza D.M. = 1 N N i=1 x i m d d.m. = 1 n 1 n x i x i=1 σ 2 = 1 N (x i µ x ) 2 s 2 = 1 n (x i x) 2 N n 1 i=1 i=1 ( = 1 N x 2 i Nµ 2 = 1 n ) x 2 i n x 2 N n 1 i=1 i=1 Coeficiente de variación C.V. = σ µ c.v. = s x Covarianza σ xy = 1 N (x i µ X )(y i µ Y ) s xy = 1 n (x i x)(y i ȳ) N n 1 i=1 i=1 ( = 1 N x i y i µ Y µ Y = 1 n ) x i y i n xȳ N n 1 i=1 i=1 Coeficiente de correlación ρ = σ xy σ x σ y r = s xy s x s y x i : i-ésima observación de la variable X. N: número de elementos en la población. n: número de observaciones en la muestra. l(q): posición o índice de q, redondeado. m d : mediana poblacional. x: mediana muestral. Determinadas por la l-ésima observación de la población o muestra ordenada.
8 Barrios et al. Tablas de Probabilidades 8 Datos agrupados Medida descriptiva Población Muestra Media µ = 1 N k f i m i i=1 x = 1 n k f i m i i=1 Mediana Desviación media a mediana Varianza m d = A C D D.M. = 1 N σ 2 = 1 N = 1 N k i=1 k i=1 k i=1 0.5 C (B A) x = A + (B A) D f i m i m d d.m. = 1 n 1 f i (m i µ) 2 s 2 = 1 n 1 f i m 2 i N 2 µ 2 = 1 n 1 k f i m i x i=1 k f i (m i x) 2 i=1 k f i m 2 i n 2 x 2 i=1 f i : frecuencia absoluta de la i-ésima clase. k: número de clases en la distribución de frecuencias. m i : marca de la i-ésima clase. A: frontera inferior del intervalo de clase que contiene a la mediana. B: frontera superior del intervalo de clase que contiene a la mediana. C: frecuencia relativa acumulada hasta la clase anterior a la que contiene a la mediana. D: frecuencia relativa de la clase que contiene a la mediana Variables aleatorias Esperanza, varianza y covarianza µ = E(X) σ 2 = var(x) σ XY = Cov(X, Y ) Discretas xp (X = x) x R X (x µ) 2 P (X = x) x R X xyp (X = x, Y = y) x R X y R Y xp (X = x) yp (Y = y) x R X y R Y Continuas xf X (x)dx R X (x µ) 2 f X (x)dx R X xyf(x, y)dydx R X R Y xf X (x)dx R X R Y yf Y (y)dy
9 Barrios et al. Tablas de Probabilidades 9 Propiedades E(aX + b) = ae(x) + b Cov(X, Y ) = E [(X E(X))(Y E(Y ))] [ var(x) = E (X E(X)) 2] = E(XY ) E(X)E(Y ) = E(X 2 ) E(X) 2 Cov(aX + b, cy + d) = accov(x, Y ) var (ax + by ) = a 2 var(x) + b 2 var(y ) ρ = Corr(X, Y ) = σ XY σ X σ Y + 2abCov(X, Y ) 1.3. Algunas distribuciones de probabilidad Distribución Notación Soporte R X Función de probabilidad E(X) var(x) Uniforme discreta Unif{x 1,..., x K} x {x 1,..., x K} 1 K 1 K K i=1 x i 1 K K (x i E(X)) 2 i=1 Bernoulli Be(p) x {0, 1} p x (1 p) 1 x p p(1 p) Binomial Bin(n, p) x {0, 1,..., n} ( ) n x p x (1 p) n x np np(1 p) Poisson Po(λ) x {0, 1, 2,...} λ x e λ x! λ λ Uniforme continua Unif(a, b) a x b Normal N(µ, σ 2 ) < x < 1 b a { 1 σ 2π exp 1 2 ( x µ ) 2 } σ a + b 2 (b a) 2 12 µ σ 2 Exponencial Exp(θ) 0 x < 1 θ exp{ x θ } θ θ2
10 Barrios et al. Tablas de Probabilidades 10
11 Barrios et al. Tablas de Probabilidades Estadística II 2.1. Algunas distribuciones de probabilidad Distribución Notación Soporte R X Función de probabilidad E(X) var(x) Uniforme discreta Unif{x 1,..., x K} x {x 1,..., x K} 1 K 1 K K i=1 x i 1 K K (x i E(X)) 2 i=1 Bernoulli Be(p) x {0, 1} p x (1 p) 1 x p p(1 p) Binomial Bin(n, p) x {0, 1,..., n} ( ) n x p x (1 p) n x np np(1 p) Poisson Po(λ) x {0, 1, 2,...} λ x e λ x! λ λ Uniforme continua Unif(a, b) a x b Normal N(µ, σ 2 ) < x < 1 b a { 1 σ 2π exp 1 2 ( x µ ) 2 } σ a + b 2 (b a) 2 12 µ σ 2 Exponencial Exp(θ) 0 x < 1 θ exp{ x θ } θ θ Estimación puntual Parámetro Estimador Sesgo B(ˆθ) = E(ˆθ θ) 1 Media X = Xi n Error de estimación ˆθ θ Varianza S 2 (Xi = X) 2 n 1 Correlación r = SXY (Xi, S XY = X)(Y i Ȳ ) S XS Y n 1 Error Cuadrático Medio ) ECM(ˆθ) = E ((ˆθ θ) 2 = var(ˆθ) + B(ˆθ) 2
12 Barrios et al. Tablas de Probabilidades Algunos estadísticos y su distribución de muestreo Poblaciones con distribución normal Estadístico Distribución n( X µ) Z = σ Z N(0, 1) n( X µ) τ = S τ t n 1 Z = ( X 1 X 2 ) (µ 1 µ 2 ) σ1 2 + σ2 2 n 1 n 2 Z N(0, 1) S 2 p = (n 1 1)S (n 2 1)S 2 2 (n 1 + n 2 2) (n 1 + n 2 2)S 2 p σ 2 χ 2 n 1+n 2 2 τ = ( X 1 X 2 ) (µ 1 µ 2 ) ( ) τ t (n1+n 2 2) 1 S 2 p n n 2 J = (n 1)S2 σ 2 J χ 2 n 1 F = S2 1/σ 2 1 S 2 2 /σ2 2 F F (n1 1,n 2 1) τ = n( D µd ) S D, D = X 1 X 2 τ t n 1 τ = r n 2 1 r 2, r = S XY S X S Y τ t n 2
13 Barrios et al. Tablas de Probabilidades 13 Poblaciones con distribución Bernoulli Estadístico Distribución Y = nˆp Y Bin(n, p) Z = ˆp p p(1 p)/n Z N(0, 1), para n grande Z = (ˆp 1 ˆp 2 ) (p 1 p 2 ) ˆp1 (1 ˆp 1 )/n 1 + ˆp 2 (1 ˆp 2 )/n 2 Z N(0, 1), para n 1 y n 2 grandes Si p 1 = p 2, Z = (ˆp 1 ˆp 2 ) (p 1 p 2 ) ( 1 ˆp(1 ˆp) + 1 ) Z N(0, 1), para n 1 y n 2 grandes n 1 n 2 con ˆp = n 1 ˆp 1 + n 2 ˆp 2 n 1 + n Pruebas no paramétricas Prueba Estadístico Propiedades Signos M = # de signos positivos E(M) = np, var(m) = np(1 p) Mann-Whitney T x = R(X i ) n(n + 1) 2 E(T x ) = nm 2, var(t x) = nm(n + m + 1) 12 Correlación de Spearman r s = 1 6 d 2 i n 3 n r s (n 1) N(0, 1), para n grande Ji cuadrada (χ 2 ) J = rc i=1 (Obs i Esp i ) 2 Esp i J χ 2 (r 1)(c 1), r = # renglones c = # columnas
14 Barrios et al. Tablas de Probabilidades 14
15 Barrios et al. Tablas de Probabilidades Probabilidad, Inferencia Estadística y Econometría 3.1. Variables aleatorias Valor esperado de g(x) E(g(X)) = g(x)p (X = x) x g(x)f X (x)dx caso discreto caso continuo Propiedades de la función generadora de momentos M X+a (t) = e at M X (t) M bx (t) = M X (bt) ) ( M X+a (t) = e a t b t M X b b Tercer y cuarto momentos con respecto a la media E[(X µ) 3 ] = E(X 3 ) 3E(X)E(X 2 ) + 2(E(X)) 3 E[(X µ) 4 ] = E(X 4 ) 4E(X)E(X 3 ) + 6(E(X)) 2 E(X 2 ) 3(E(X)) 4 Coeficientes de asimetría y de curtosis C A = α 3 = µ 3 µ 3/2 2 C K = α 4 = µ 4 µ 2 2 Método de transformación de variables Sea U = h(y ), con h función monótona creciente o decreciente en y, entonces f U (u) = f Y (y) dy du donde y = h 1 (u)
16 Barrios et al. Tablas de Probabilidades Distribuciones de probabilidad Función Función Distribución Notación Soporte RX de E(X) var(x) generadora probabilidad de momentos 1 Uniforme discreta Unif{x1,..., xk} x {x1,..., xk} K 1 K K i=1 xi 1 K K i=1 (xi E(X)) 2 1 k i etxi Bernoulli Be(p) x {0, 1} p x (1 p) 1 x p p(1 p) pe t + (1 p) ( ) n Binomial Bin(n, p) x {0, 1,..., n} p x (1 p) n x np np(1 p) [pe t + (1 p)] n x λ x e λ Poisson Po(λ) x {0, 1, 2,...} λ λ e λ(et 1) x! Uniforme continua Unif(a, b) a x b 1 b a a + b 2 (b a) 2 12 e tb e ta t(b a) Normal N(µ, σ 2 ) < x < 1 { σ exp 1 2π 2 ( x µ σ ) 2 } µ σ 2 e µt+ 1 2 σ2 t 2 Gama Gama(α, β) x R + x α 1 e x/β Γ(α)β α αβ αβ 2 (1 βt) α Notas: Γ(α) = 0 u α 1 e u du. Entonces, Γ(α + 1) = α Γ(α); Γ(1/2) = π; Γ(1) = 1; Γ(n + 1) = n!, para n = 1, 2,.... Distribución exponencial: X Exp(λ). Entonces, X Gama(1, 1/λ) y E(X) = 1/λ. Distribución Ji-cuadrada: Y χ 2 n. Entonces, Y Gama(n/2, 2) y E(Y ) = n.
17 Barrios et al. Tablas de Probabilidades Distribuciones bivariadas Función de densidad condicional f(x 2 x 1 ) = f X 1,X 2 (x 1, x 2 ) f X1 (x 1 ) Valor esperado de g(x 1, X 2 ) g(x 1, x 2 )P (X 1 = x 1, X 2 = x 2 ) caso discreto E[g(X 1, X 2 )] = x 1 x 2 g(x 1, x 2 )f X1,X 2 (x 1, x 2 )dx 1 dx 2 caso continuo Función generadora de momentos conjunta M X1,X 2 (t 1, t 2 ) = E(e t1x1+t2x2 ) Covarianza y coeficiente de correlación σ 12 = Cov(X 1, X 2 ) = E [(X 1 E(X 1 ))(X 2 E(X 2 ))] = E(X 1 X 2 ) E(X 1 )E(X 2 ) ρ X1X 2 = σ 12 σ 1 σ 2 Método de transformación de variables Sean las variables aleatorias Y 1 y Y 2 funciones de las variables aleatorias X 1 y X 2, de manera que las ecuaciones en y 1 y y 2 tienen solución única para x 1 y x 2 en términos de y 1 y y 2. Esto es, y 1 = g 1 (x 1, x 2 ) x 1 = h 1 (y 1, y 2 ) y y 2 = g 2 (x 1, x 2 ) x 2 = h 2 (y 1, y 2 ) Si las funciones h 1 y h 2 tienen derivadas parciales continuas en todos los puntos (y 1, y 2 ) y el determinante Jacobiano h 1 h 1 J (h 1 (y 1, y 2 ), h 2 (y 1, y 2 )) = y 1 y 2 h 2 h 2 0 para todo (h 1 (y 1, y 2 ), h 2 (y 1, y 2 )) y 1 y 2 entonces, f Y1,Y 2 (y 1, y 2 ) = f X1,X 2 (h 1 (y 1, y 2 ), h 2 (y 1, y 2 )) J (h 1 (y 1, y 2 ), h 2 (y 1, y 2 ))
18 Barrios et al. Tablas de Probabilidades Distribución normal bivariada Función de densidad conjunta { [ (x1 ) 2 ( ) ( ) ( ) ]} 2 1 f X1,X 2 (x 1, x 2 ) = 2πσ 1 σ exp 1 µ 1 x1 µ 1 x2 µ 2 x2 µ ρ 2 2(1 ρ 2 2ρ + ) σ 1 σ 1 σ 2 σ 2 Función generadora de momentos conjunta { M X1,X 2 (t 1, t 2 ) = exp (t 1 µ 1 + t 2 µ 2 ) + 1 ( σ t ρσ 1 σ 2 t 1 t 2 + σ2t 2 2 ) } 2 Valor esperado y varianza condicionales E(X 2 X 1 = x 1 ) = µ 2 + ρ σ 2 σ 1 (x 1 µ 1 ) var(x 2 X 1 = x 1 ) = σ 2 2(1 ρ 2 )
19 Barrios et al. Tablas de Probabilidades 19 Parte II Tablas de Probabilidades
20 Barrios et al. Tablas de Probabilidades 20
21 Barrios et al. Tablas de Probabilidades Distribución Binomial X Binomial(n, p) p = P (X x) = x k=0 ( ) n p k (1 p) n k = 1 α k p 0 x α Tabla 4A. Probabilidades acumuladas p de la distribución binomial (n = 5, 6, 7, 8, 9). p x n = n = n = n = n =
22 Barrios et al. Tablas de Probabilidades 22 Tabla 4B. Probabilidades acumuladas p de la distribución binomial (n = 10, 11, 12, 13, 14). p x n = n = n = n = n =
23 Barrios et al. Tablas de Probabilidades 23 Tabla 4C. Probabilidades acumuladas p de la distribución binomial (n = 15, 16, 17, 18). p x n = n = n = n =
24 Barrios et al. Tablas de Probabilidades 24 Tabla 4D. Probabilidades acumuladas p de la distribución binomial (n = 19, 20, 21). p x n = n = n =
25 Barrios et al. Tablas de Probabilidades 25 Tabla 4E. Probabilidades acumuladas p de la distribución binomial (n = 22, 23). p x n = n =
26 Barrios et al. Tablas de Probabilidades 26 Tabla 4F. Probabilidades acumuladas p de la distribución binomial (n = 24, 25). p x n = n =
27 Barrios et al. Tablas de Probabilidades Distribución Poisson X Poisson(λ) x λ k e λ p = P (X x) = k! k=0 = 1 α p 0 x α Tabla 5A. Probabilidades acumuladas p de la distribución Poisson. λ x Tabla 5B. Probabilidades acumuladas p de la distribución Poisson. λ x
28 Barrios et al. Tablas de Probabilidades 28
29 Barrios et al. Tablas de Probabilidades Distribución Normal Estándar Z Normal(0, 1) p = P (Z z) = Φ(z) = donde z φ(u) = 1 2π e 1 2 u2 φ(u)du = 1 α p 0 z α Nota: Si X N(µ, σ 2 ), entonces Z = (X µ)/σ N(0, 1). Luego, ( ) x µ P (X x) = Φ σ Tabla 6A. Probabilidades acumuladas p de la distribución normal estándar. z
Formulario y Tablas de Probabilidad para el Curso de Estadística II
Formulario y Tablas de Probabilidad para el Curso de Estadística II Ernesto Barrios Zamudio 1 José Ángel García Pérez2 Departamento Académico de Estadística Instituto Tecnológico Autónomo de México Octubre
Más detallesFormulario y Tablas de Probabilidad para los Cursos de Probabilidad, Inferencia Estadística y Econometría
Formulario y Tablas de Probabilidad para los Cursos de Probabilidad, Inferencia Estadística y Econometría Ernesto Barrios Zamudio 1 José Ángel García Pérez2 Departamento Académico de Estadística Instituto
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 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 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 detallesTransformaciones y esperanza
Capítulo 3 Transformaciones y esperanza 3.1. Introducción Por lo general estamos en condiciones de modelar un fenómeno en términos de una variable aleatoria X cuya función de distribución acumulada es
Más detallesEstadística Descriptiva y Probabilidad FORMULARIO
Estadística Descriptiva y Probabilidad FORMULARIO Departament d Estadística i Investigació Operativa Universitat de València Angel Corberán Francisco Montes 2 3 Capítulo 1 Estadística Descriptiva 1.1.
Más detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesFórmulas, Resultados y Tablas Cálculo de Probabilidades y Estadística Matemática
DEPARTAMENT D ESTADÍSTICA I INVESTIGACIÓ OPERATIVA Fórmulas, Resultados y Tablas Cálculo de Probabilidades y Estadística Matemática A. Distribuciones de variables aleatorias. 1. Descripción de una distribución
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 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 detalles1. Teoría de probabilidad
Disclaimer: Este apunte no es autocontenido y fue pensado como un repaso de los conceptos, no para aprenderlos de aquí directamente 1 Teoría de probabilidad Definición 1 (espacio muestral) Un espacio muestral
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 detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Patricia Kisbye FaMAF 6 de mayo, 2010 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesFORMULARIO DE DISTRIBUCIONES DE PROBABILIDAD
FORMULARIO DE DISTRIBUCIONES DE PROBABILIDAD Jorge M. Galbiati pág. DISTRIBUCION BINOMIAL 2 DISTRIBUCION POISSON 4 DISTRIBUCION HIPERGEOMETRICA 5 DISTRIBUCION GEOMETRICA 7 DISTRIBUCION NORMAL 8 DISTRIBUCION
Más detallesMomentos de Funciones de Vectores Aleatorios
Capítulo 1 Momentos de Funciones de Vectores Aleatorios 1.1 Esperanza de Funciones de Vectores Aleatorios Definición 1.1 Sea X = (X 1,..., X n ) un vector aleatorio (absolutamente continuo o discreto)
Más detallesEstadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas
Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones
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 detallesINDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
Más detallesCálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
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 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 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 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 detallesDistribuciones Probabilísticas. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Distribuciones Probabilísticas Curso de Estadística TAE,005 J.J. Gómez Cadenas Distribución Binomial Considerar N observaciones independientes tales que: El resultado de cada experimento es acierto o fallo
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 detallesModelos Básicos de Distribuciones Discretas y Continuas
Modelos de Distribuciones Discretas y Continuas 1/27 Modelos Básicos de Distribuciones Discretas y Continuas Departamento de Estadística e Investigación Operativa Universidad de Sevilla Contenidos Modelos
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 detalles2 Modelos de probabilidad discretos sobre R
UN CATÁLOGO DE MODELOS DE POBABILIDAD Julián de la Horra Departamento de Matemáticas U.A.M. Introducción En este capítulo vamos a dar un catálogo de algunos de los modelos de probabilidad más utilizados,
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
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 detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
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 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 detallesTema 4: Variable Aleatoria Bidimensional
Curso 2016-2017 Contenido 1 Definición de Variable Aleatoria Bidimensional 2 Distribución y fdp Conjunta 3 Clasificación de Variables Aleatorias Bidimensionales 4 Distribuciones Condicionales 5 Funciones
Más detallesTema1. Modelo Lineal General.
Tema1. Modelo Lineal General. 1. Si X = (X 1, X 2, X 3, X 4 ) t tiene distribución normal con vector de medias µ = (2, 1, 1, 3) t y matriz de covarianzas 1 0 1 1 V = 0 2 1 1 1 1 3 0 1 1 0 2 Halla: a) La
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 detallesModelos de distribuciones discretas y continuas
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas
Más detallesI. Distribuciones discretas
Probabilidades y Estadística (M) Funciones de densidad o probabilidad puntual, esperanzas, varianzas y funciones características de las variables aleatorias más frecuentes I. Distribuciones discretas Distribución
Más detallesFamilias de distribuciones
Capítulo 2 Familias de distribuciones 2.1. Introducción Las distribuciones estadísticas son usadas para modelar poblaciones a través de un miembro de una familia de distribuciones. Cada familia se encuentra
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 detallesTema 6. Estimación puntual
1 Tema 6. Estimación puntual En este tema: Planteamiento del problema. Criterios de comparación de estimadores: Insesgadez. Estimadores de mínima varianza. Error cuadrático medio. Consistencia. Métodos
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 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 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 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 detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesTema 7: Introducción a la Teoría sobre Estimación
Tema 7: Introducción a la Teoría sobre Estimación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 7: Introducción a la Teoría sobre Estimación
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 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 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 detallesRepaso de Teoría de la Probabilidad
Repaso de Teoría de la Probabilidad Luis Mendo Tomás Escuela Politécnica Superior Universidad Autónoma de Madrid Febrero de 2008 1. Introducción Este documento contiene, de forma esquemática, los conceptos
Más detallesIntroducción a la Teoría de Probabilidades
Capítulo 1 Introducción a la Teoría de Probabilidades 1.1. Introducción El objetivo de la Teoría de Probabilidades es desarrollar modelos para experimentos que están gobernados por el azar y estudiar sus
Más detallesGUIA DOCENTE ESTADISTICA
1 GUIA DOCENTE ESTADISTICA 1- Datos de identificación Asignatura: Estadística Carácter: Formación básica Titulación: Psicología Ciclo: Grado Curso: 1 Cuatrimestre: Anual Departamento: Metodología de las
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 detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
Más detallesVectores aleatorios. Estadística I curso 2008 2009
Vectores aleatorios Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 En numerosas ocasiones estudiamos más de una variable asociada a
Más detallesFunciones de Variables Aleatorias. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Funciones de Variables Aleatorias UCR ECCI CI-135 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción En los métodos estadísticos estándar, el resultado de la prueba
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 detallesRepaso de conceptos estadís-cos. Apéndice A
Repaso de conceptos estadís-cos Apéndice A Revisión de conceptos estadís2cos El conjunto de todos los resultados posibles de un experimento aleatorio se denomina población o espacio muestral, E Un suceso
Más detallesCálculo de Probabilidades II Preguntas Tema 1
Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
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 detallesMétodos Estadísticos Aplicados
Métodos Estadísticos Aplicados M. González Departamento de Matemáticas. Universidad de Extremadura Métodos Estadísticos Aplicados 1 Análisis Exploratorio de Datos 2 3 Métodos Estadísticos Aplicados 1 Análisis
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 3
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad ½ 0.75 (1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:
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 detallesÍNDICE. Prefacio... xi
ÍNDICE Prefacio... xi Capítulo 1 Introducción... 1 1.1 Por qué hay que tomar este curso y quién utiliza la estadística?... 2 1.2 Historia... 3 1.3 Subdivisiones de la estadística... 4 1.4 Un enfoque simple
Más detallesModelos Estocásticos I. Notas de Curso. Cimat, A.C.
Modelos Estocásticos I Notas de Curso Joaquín Ortega Sánchez Víctor Rivero Mercado Cimat, A.C. Índice general 1. Introducción a la Teoría de Probabilidad 1 1.1. Introducción............................................
Más detallesRepresentaciones gráficas de las distribuciones bidimensionales de frecuencias... 74
Índice 1. Introducción al R 15 1.1. Introducción............................. 15 1.2. El editor de objetos R....................... 18 1.3. Datos en R............................. 19 1.3.1. Vectores...........................
Más detallesECONOMETRÍA I. Tema 1: La naturaleza de la econometría y los datos econométricos
ECONOMETRÍA I Tema 1: La naturaleza de la econometría y los datos econométricos Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I
Más detallesVARIABLES 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 detallesTema 3 Normalidad multivariante
Aurea Grané Máster en Estadística Universidade Pedagógica Aurea Grané Máster en Estadística Universidade Pedagógica Tema 3 Normalidad multivariante 3 Normalidad multivariante Distribuciones de probabilidad
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 detallesIntroducción a la Teoría de Probabilidades
Capítulo 1 Introducción a la Teoría de Probabilidades 1.1. Introducción El objetivo de la Teoría de Probabilidades es desarrollar modelos para experimentos que están gobernados por el azar y estudiar sus
Más detallesProbabilidades y Estadística
Probabilidades y Estadística Profesor: Fernando Lema Auxiliares: Víctor Carmi - Abelino Jiménez Universidad de Chile Indice General 1 Indice General 1 Advertencias y Recomendaciones Tener presente siempre
Más detallesProbabilidad para una V.A. Continua. P( a X b) = f ( x)
Tema 4: Variables Aleatorias Contínuas Prof. Heriberto Figueroa S. Capítulo 4 Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 4.1. Variables Aleatorias Continuas Una variable aleatoria
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesMa34a Probabilidades y Procesos Estocásticos 21 de Noviembre, Resumen No. 3
Ma34a Probabilidades y Procesos Estocásticos 21 de Noviembre, 2004 Resumen No. 3 Prof. Cátedra: M. Kiwi Prof. Auxiliares: M. Soto, R. Cortez 1 Variables Aleatorias 1.1 Variables Aleatorias Absolutamente
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesProcesos estocásticos
Procesos estocásticos Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos del curso 1. Introducción. 2. Procesos a tiempo discreto:
Más detallesENUNCIADO y SOLUCIONES. Problema 1
Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.
Más detallesEstadística Económica y Estadística Empresarial
Universidad de Valladolid Facultad de Ciencias Económicas y Empresariales Departamento de Estadística y Econometría Licenciatura en Ciencias Económicas Sin docencia. Plan a extinguir Proyecto docente de:
Más detalles1. Estimación. f(y) = θ e y θ, y > 0 0, en otro punto
1. Estimación Definición: Un estimador es una regla que indica cómo calcular el valor de una estimación con base en las mediciones que contien una muestra. Definición: Si ˆθ es un estimador puntual de
Más detallesPart VI. Distribuciones notables. Estadística I. Mario Francisco. Principales distribuciones unidimensionales. discretas. Principales distribuciones
Part VI notables El proceso de Bernoulli En cada observación se clasifica el elemento de la población en una de las dos posibles categorías, correspondientes a la ocurrencia o no de un suceso. Llamaremos
Más detallesFolleto de Estadísticas. Teoría del 1er Parcial
Folleto de Estadísticas Teoría del 1er Parcial 2012 Población objetivo: Es un conjunto bien definido de elementos sobre los que se desea hacer algún tipo de investigación o medida. Unidades de investigación:
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 detallesUNIDAD 3 Características de variables aleatorias uni y bidimensionales
Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA Ingenierías: Recursos Hídricos-Ambiental-Agrimensura TEORÍA Mg. Ing. Susana Vanlesberg Profesor Titular UNIDAD Características
Más detallesEjercicios para auto evaluación Variables continuas y Teorema de Límite Central
Ejercicios para auto evaluación Variables continuas y Teorema de Límite Central Enero 2008. Sea f(u) = ce u, u R. Determine el valor de c para que f sea una función de densidad de probabilidad y calcule
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 detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Duración: horas Fecha: de Julio de Fecha publicación notas: -7- Fecha revisión examen: 8-7-
Más detalles