04 Funciones de masa de probabilidad. Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales

Tamaño: px
Comenzar la demostración a partir de la página:

Download "04 Funciones de masa de probabilidad. Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales"

Transcripción

1 04 Funciones de masa de probabilidad Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1

2 Contenido FMP Bernoulli FMP binomial FMP Poisson FMP geométrica 2

3 Sobre la selección de las FMPs/FDPs La elección de una FMP/FDP para representar un fenómeno de interés práctico debe estar motivada tanto por la compresión de la naturaleza del fenómeno en sí, como por la posible verificación de la FMP/FDP seleccionada a través de la evidencia empírica. 3

4 FMP de Bernoulli El espacio muestral está compuesto por dos sucesos mutuamente excluyentes y exhaustivos: Ω = {éxito, fracaso} Ejemplos: La muestra de especificaciones? material satisface las El vehículo dobla a la izquierda? o no. Falla una estructura ante ciertas condiciones? 4

5 FMP de Bernoulli La variable aleatoria de Bernoulli es: Y la FMP de Bernoulli es: 5

6 FMP de Bernoulli Valor esperado: Varianza: la varianza es máxima cuando p = 0.5 6

7 FMP de Bernoulli Una realización de una FMP de Bernoulli se llama experimento de Bernoulli. Cuando se realizan varios experimentos de Bernoulli y estos son mutuamente independientes y cuando la probabilidad de éxito no cambia, se le llama a la sucesión de experimentos ensayos de Bernoulli (Bernoulli trial). 7

8 FDP de Bernoulli en MS EXCEL/MATLAB Utilice la FMP Binomial con n=1 8

9 Ejemplo FMP Bernoulli 9

10 FMP Binomial X~B(n,p) Consideremos n ensayos de mutuamente independientes, tal que: Bernoulli, p es la probabilidad de éxito (u ocurrencia) 1-p es la ocurrencia) probabilidad de fracaso (no es constante. Si X es la variable aleatoria que representa el número de éxitos en n ensayos, el interés está entonces en determinar la probabilidad de obtener exactamente X(ω)=x éxitos durante los n ensayos. 10

11 FMP Binomial X~B(n,p) La probabilidad de tener en n ensayos x éxitos consecutivos seguidos de n-x fracasos consecutivos es: La probabilidad de obtener exactamente x éxitos y n-x fracasos en cualquier otro orden es la misma, puesto que los factores p y 1-p no tienen ningún orden particular. 11

12 FMP Binomial X~B(n,p) Tomando el número de combinaciones de n objetos tomando x a la vez se obtiene: Recuerde que la combinatoria está dada por: La FDA Binomial es entonces: 12

13 FMP Binomial X~B(n,p) 13

14 Momentos de la FMP Binomial Media: Media cuadrática: Varianza: 14

15 FMP Binomial vs FMP Bernoulli La FMP Binomial se reduce a la FMP Bernoulli cuando n=1: 15

16 Aplicaciones de la FMP Binomial Control de calidad: un proceso de manufactura produce un determinado producto en el que algunas unidades se encuentran defectuosas. Si la proporción de unidades defectuosas producidas en este proceso es constante durante un periodo razonable y si como procedimiento de rutina, se seleccionan aleatoriamente un número determinado de unidades, entonces las suposiciones de probabilidad con respecto al número de artículos defectuosos puede hacerse mediante el empleo de la FMP binomial 16

17 Aplicaciones de la FMP Binomial Publicidad: si la probabilidad de venta es constante para todas las personas, la FDP binomial es adecuada, puesto que las personas tienen un criterio independiente para comprar. Construcción: de 5 cilindros de concreto se extraen dos que no cumplen con los requerimientos... 17

18 Aplicaciones de la FMP Binomial Tránsito: de 5 vehículos observados, cual es la probabilidad que dos giren a la derecha? Hidrología: en una sucesión de 30 años, la probabilidad de ocurrencia o no de un caudal mayor que la capacidad de un vertedero es p. Suponiendo que las magnitudes del caudal anual máximo son independientes y que la probabilidad p de una ocurrencia en cualquier año no cambia a través de lo años, determine... 18

19 FMP Binomial con MATLAB y = binopdf(x,n,p); = px(x;n,p) r = binocdf(x,n,p); = FX(x;n,p) x = binoinv(r,n,p); (-1) [m,v] = binostat(n,p) ; = media y varianza = FX (r;n,p) 19

20 FMP Binomial con MS EXCEL y = DIST.BINOM(x;n;p;FALSO); = px(x;n,p) r = DIST.BINOM(x;n;p;VERDADERO); = FX(x;n,p) x = BINOM.CRIT(n;p;r); (-1) = FX (r;n,p) 20

21 Ejemplo 1 FMP Binomial Suponga que todos los días se ensayan 15 cilindros de concreto. La probabilidad que el cilindro no cumpla con las especificaciones es del 5%. La interventoría ha decidido detener la construcción cada vez que una muestra de 15 unidades tenga dos o mas defectuosas. Cuál es la probabilidad de que, en cualquier día, la construcción se detenga? Tenga en cuenta que la prueba de los cilindros constituyen un conjunto de ensayos independientes. 21

22 22

23 Observe que en promedio son defectuosos en la muestra de 15 unidades 23

24 Ejemplo 2 FMP Binomial En una rifa, se sabe que la probabilidad que una persona compre una boleta es del 5%. Si ofrezco a 15 personas el bono, cuál es la probabilidad de que por lo menos dos de ellas compren el bono? Este problema se resuelve igual que el problema anterior. 24

25 Ejemplo 3 FMP Binomial La probabilidad que una persona cumpla años en Marzo 20 es 1/365. Cuántas personas se requieren en un grupo de modo que la probabilidad que al menos una persona cumpla años en esa fecha sea de al menos del 5%? Se debe entonces encontrar el mínimo n para el cual 25

26 Respuesta: 19 personas 26

27 Ejemplo 4 FMP Binomial De 20 pernos 5 están malos. Si selecciono 4 al azar, cuál es la probabilidad que estos estén bien? 27

28 Ejemplo 5 FMP Binomial Un equipo de beisbol tiene 50% de probabilidad de ganar un partido. Qué cantidad razonable de juegos, ganará el equipo en una temporada de 162 juegos? Este resultado significa que en el 90% de las temporadas, un equipo ganará entre 71 y 91 juegos. 28

29 Ejemplo 6 FMP Binomial Un ingeniero de control de calidad, verifica 200 circuitos diarios. Si 2% de los circuitos tienen defectos, cuál es la probabilidad que el inspector no encuentre defectos en un día dado? Cual es el número más probable de circuitos defectuosos que el ingeniero encontrará? 29

30 FMP Poisson La FMP de Poisson se utiliza para describir eventos aleatorios que ocurren de manera independiente con una velocidad constante en el tiempo o en el espacio. Ejemplo: Búsquedas en google Número de vehículos que cruzan una intersección Líneas de espera 30

31 FMP Poisson Supongamos que deseamos contar el número de vehículos que cruzan una intersección vial en un intervalo fijo de tiempo t segundos. Se sabe que la probabilidad de que un vehículo llegue en cualquier segundo es un número pequeño p. Se supone que la probabilidad que dos o más vehículos lleguen en un segundo es insignificante. 31

32 FMP Poisson Entonces el número total de vehículos X en n=t pruebas independientes está dado por: 32

33 33

34 FMP Poisson: definición 34

35 FMP Poisson NOTA: Esta FMP debe aplicarse cuidadosamente en situaciones en las que las condiciones de independencia y rapidez constante son dudosas: por ejemplo trancones, infracciones de tránsito (con la multa y la edad el patrón de comportamiento cambia) 35

36 Es FMP? 36

37 FDA Poisson 37

38 Nota: la línea no va, sólo es por facilidad en la representación matemática 38

39 Momentos de la FMP Poisson 39

40 Momentos de la FMP Poisson px(k;λ) Como ν>0, la asimetría es positiva; esta disminuye rápidamente para grandes valores de ν La FMP es leptocúrtica, sin embargo para grandes valores de ν, la curva se tiende a mesocúrtica 40

41 FMP Poisson con MATLAB y = poisspdf(x,nu); = px(x;nu) p = poisscdf(x,nu); = FX(x;nu) x = poissinv(p,nu); (-1) [m,v] = poissstat(nu); = media (=nu) y = FX (p;nu) varianza (=nu) 41

42 FMP Poisson con MS EXCEL y = POISSON(x;nu;FALSO); = px(x;nu) p = POISSON(x;nu;VERDADERO); = FX(x;nu) 42

43 Ejemplo 1: FMP Poisson A un peaje arriban cuatro autos en promedio cada dos minuto. Cuál es la probabilidad que aparezcan exactamente 5 autos en un minuto? 43

44 Ejemplo 1: FMP Poisson A un peaje arriban cuatro autos en promedio cada dos minuto. Cuál es la probabilidad que aparezcan cinco o más autos en un minuto? 44

45 Ejemplo 2: FMP Poisson En una fábrica de discos duros, el departamento de control de calidad raliza ensayos aleatorios de los discos duros individuales. La política es interrumpir el proceso de producción si un inspector encuentra más de 4 sectores malos en el disco. Cuál es la probabilidad de interrumpir el proceso si el número promedio de sectores malos es 2? Es decir, 5% de las veces un proceso de funcionamiento normal 45 producirá más de cuatro sectores malos en el disco duro

46 Ejemplo 2: FMP Poisson En una fábrica de discos duros, el departamento de control de calidad raliza ensayos aleatorios de los discos duros individuales. La política es interrumpir el proceso de producción si un inspector encuentra más de 4 sectores malos en el disco. Cuál es la probabilidad que el disco sea manufacturado sin defectos? 46

47 Ejemplo 3: FMP Poisson Una compañía que opera volquetas determinó que el año pasado 103 vehículos tuvieron fallas mecánicas. De aquí se deduce que el número promedio de fallas por día es Encuentre la probabilidad que en cualquier día usted tenga exactamente dos fallas Encuentre la probabilidad que en cualquier día usted tenga exactamente dos o más fallas 47

48 Ejemplo 4: FMP Poisson Veinte ladrillos fueron examinados por defectos en la superficie. Se observó la siguiente tabla: # defectos frecuencia

49 Ejemplo 4: FMP Poisson Cuál es la probabilidad de encontrar un ladrillo con tres o más defectos en la superficie si se asume una FMP de Poisson? 49

50 Ejemplo 4: FMP Poisson La FMP Poisson asociada es: Qué opina usted de esta FMP cuando se compara con 50 el histograma original?

51 Ejemplo 5: FMP Poisson Un vendedor de seguros vende en promedio 3 seguros de vida por semana. Cuál es la probabilidad que en una semana dada el venderá algunas pólizas? Dos o más pólizas pero menos que cinco? Asumiendo que hay 5 días laborales por semana, cuál es la probabilidad que en un día dado el venderá una póliza? 51

52 FMP Geométrica ~ G(p) Cuando se deben responder preguntas como: En qué prueba ocurrirá el primer éxito? Cuántos pernos habra que comprobar antes que se encuentre uno defectuoso? Cuándo ocurrirá el primer caudal crítico, si la probabilidad que ocurra en cualquier año es p? Se debe utilizar la FMP geométrica. 52

53 FMP Geométrica ~ G(p) Si se supone independencia de las pruebas y un valor constante p, la distribución de N, el número de pruebas hasta que ocurra el primer éxito, se encuentra así: El primer éxito ocurrirá en la n-ésima prueba si y sólo si: Las primeras n-1 pruebas son fracasos que ocurren con probabilidad (1-p)n-1 La n-ésima prueba es un éxito, que ocurre con probabilidad p. 53

54 FMP Geométrica ~ G(p) Por lo tanto la FMP geométrica es: La FDA geométrica es (la probabilidad que haya al menos un éxito en n pruebas): 54

55 FMP Geométrica ~ G(p) La esperanza matemática es: Esta cantidad se conoce como el periodo de retorno. Ejemplo: Si la proporción de pernos defectuosos es del 10% en promedio, se comprobarán 10 pernos antes de encontrar uno defectuoso, suponiendo que se cumplan las condiciones de las pruebas de Bernoulli. La varianza es: 55

56 Definición alternativa : FMP Geométrica 56

57 FMP Geométrica 57

58 FMP Geométrica 58

59 FMP Geométrica (definición alternativa) con MATLAB f = geopdf(x,p); = px(x;p) F = geocdf(x,p); = FX(x;p) =F (-1) X x = geoinv(f,p); (F;p) [m,v] = geostat(p); = media (1-p)/p y varianza (1-p)/p 2 NOTA: no está implementada en MS EXCEL 59

60 Ejemplo: FMP Binomial y FMP Geométrica Diseño de valores y periodos de retorno Se quiere diseñar un canal que puede movilizar un caudal de q m3/s. La probabilidad que se requiera desplazar un caudal mayor es p/año (inundación). Si p permanece constante de año en año, entonces los años sucesivos representan pruebas independientes de Bernoulli. Suponga que p = 0.02 (probabilidad de inundación por año) 60

61 Ejemplo: FMP Binomial y FMP Geométrica Diseño de valores y periodos de retorno Cuál es la probabilidad que ocurra una inundación durante la vida útil del canal que se espera sea 30 años? Este riesgo es muy grande. Si el ingeniero desea que dicha probabilidad no sea mayor del 10% en 30 años, cuál es la probabilidad de inundación por año con la que debe diseñar el canal, de modo que P[inundación/año] p? 61

62 Ejemplo: FMP Binomial y FMP Geométrica Diseño de valores y periodos de retorno Cuál es la probabilidad que ocurra una inundación durante la vida útil del canal que se espera sea 30 años? 62

63 Ejemplo: FMP Binomial y FMP Geométrica Diseño de valores y periodos de retorno Si p=0.0035, Cuál es la probabilidad que la primera inundación crítica no ocurra en los próximos 10 años? La media es: Se dice entones que el periodo promedio de retorno es años. La inundación crítica se le llamará: la inundación del año. 63

04 Funciones de masa de probabilidad discretas. Contenido. Sobre la selección de las FMPs/FDPs

04 Funciones de masa de probabilidad discretas. Contenido. Sobre la selección de las FMPs/FDPs 04 Funciones de masa de probabilidad discretas Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido FMP Bernoulli FMP binomial FMP Poisson FMP geométrica

Más detalles

04 Funciones de masa de probabilidad discretas. Contenido. Sobre la selección de las FMPs/FDPs. FMP de Bernoulli

04 Funciones de masa de probabilidad discretas. Contenido. Sobre la selección de las FMPs/FDPs. FMP de Bernoulli 04 Funciones de masa de probabilidad discretas Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales FMPs Bernoulli FMPs binomial FMPs Poisson FMP geométrica Contenido

Más detalles

El primer momento centrado en el origen (k=1) es la esperanza matemática de X

El primer momento centrado en el origen (k=1) es la esperanza matemática de X MOMENTO K-ÉSIMO PARA UNA VARIABLE ALEATORIA DISCRETA RESPECTO DEL ORIGEN E(x) n i 1 k x i.p x i El primer momento centrado en el origen (k=1) es la esperanza matemática de X También se definen momentos

Más detalles

03 Variables aleatorias y distribuciones de probabilidad

03 Variables aleatorias y distribuciones de probabilidad 03 Variables aleatorias y distribuciones de probabilidad Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Variables aleatorias discretas: función

Más detalles

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También

Más detalles

Distribución de Probabilidad

Distribución de Probabilidad Distribución de Probabilidad Variables discretas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Modelos probabilísticos Un modelo es una

Más detalles

Tema 5 Algunas distribuciones importantes

Tema 5 Algunas distribuciones importantes Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos

Más detalles

Tema 6 Algunas distribuciones importantes Hugo S. Salinas

Tema 6 Algunas distribuciones importantes Hugo S. Salinas Algunas distribuciones importantes Hugo S. Salinas 1 Distribución binomial Se han estudiado numerosas distribuciones de probabilidad que modelan características asociadas a fenómenos que se presentan frecuentemente

Más detalles

Curso de nivelación Estadística y Matemática

Curso de nivelación Estadística y Matemática Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2017 Agenda 1 Concepto de probabilidad

Más detalles

CI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA

CI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA CI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA alcantarilla Puente? Badén http://www.disasternews.net/multimedia/files/drought5_9412.jpg Fenómenos en Ingeniería (según certeza de ocurrencia) determinísticos

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la

Más detalles

MODELOS DISCRETOS DE PROBABILIDAD

MODELOS DISCRETOS DE PROBABILIDAD MODELOS DISCRETOS DE PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Modelo Uniforme Discreto Modelo Uniforme Discreto Sea

Más detalles

Tema 6. Variables Aleatorias Discretas

Tema 6. Variables Aleatorias Discretas Presentación y Objetivos. Tema 6. Variables Aleatorias Discretas En esta unidad se presentan algunos ejemplos estándar de variables aleatorias discretas relacionadas de diversas formas dependiendo de su

Más detalles

Distribuciones de probabilidad

Distribuciones de probabilidad Distribuciones de probabilidad Distribución Binomial La distribución binomial es una de las distribuciones utilizadas más ampliamente en estadística aplicada. La distribución se deriva del procedimiento

Más detalles

03 Variables aleatorias y distribuciones de probabilidad. Contenido. Variable aleatoria

03 Variables aleatorias y distribuciones de probabilidad. Contenido. Variable aleatoria 03 Variables aleatorias y distribuciones de probabilidad Contenido Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Variable aleatoria Sea Ω un espacio muestral.

Más detalles

Introducción al Tema 7. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones.

Introducción al Tema 7. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. Introducción al Tema 7 1 Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. V.A. de uso frecuente Tema 7. Modelos probabiĺısticos discretos

Más detalles

La Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas.

La Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas. La Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas. Dado un experimento y cualquier evento A: La expresion

Más detalles

N O S I N T E R E S A S A B E R E L N Ú M E R O D E É X I T O S Q U E S U C E D E N E N N I N T E N T O S J U A N J O S É H E R N Á N D E Z O C A Ñ A

N O S I N T E R E S A S A B E R E L N Ú M E R O D E É X I T O S Q U E S U C E D E N E N N I N T E N T O S J U A N J O S É H E R N Á N D E Z O C A Ñ A N O S I N T E R E S A S A B E R E L N Ú M E R O D E É X I T O S Q U E S U C E D E N E N N I N T E N T O S J U A N J O S É H E R N Á N D E Z O C A Ñ A DISTRIBUCIÓN DE PROBABILIDAD Consiste en todos los

Más detalles

03 Variables aleatorias y distribuciones de probabilidad

03 Variables aleatorias y distribuciones de probabilidad 03 Variables aleatorias y distribuciones de probabilidad Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Variables aleatorias discretas: función

Más detalles

Probabilidad Condicional

Probabilidad Condicional Probabilidad Condicional Independencia condicional Como hemos dicho, las probabilidades condicionales tienen las mismas propiedades que las probabilidades no condicionales. Un ejemplo más es el siguiente:

Más detalles

UNIDAD III VARIABLEA ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDADES

UNIDAD III VARIABLEA ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDADES UNIDAD III VARIABLEA ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDADES VARIABLE ALEATORIA DISCRETA. Definición. Se dice que una v.a es discreta si el conjunto de todos los valores que puede tomar es un conjunto,

Más detalles

Algunas Distribuciones EstadísticasTeóricas. Aproximación de la Distribución Binomial por la Distribución de Poisson

Algunas Distribuciones EstadísticasTeóricas. Aproximación de la Distribución Binomial por la Distribución de Poisson Algunas Distribuciones EstadísticasTeóricas Distribución de Bernoulli Distribución de Binomial Distribución de Poisson Aproximación de la Distribución Binomial por la Distribución de Poisson Distribución

Más detalles

Funciones generadoras de probabilidad

Funciones generadoras de probabilidad Funciones generadoras de probabilidad por Ramón Espinosa Armenta En este artículo veremos cómo utilizar funciones generadoras en teoría de la probabilidad. Sea Ω un conjunto finito o numerable de resultados

Más detalles

Estadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri

Estadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de

Más detalles

Estadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri

Estadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri Estadística 011 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de

Más detalles

Tema 5: Modelos probabilísticos

Tema 5: Modelos probabilísticos Tema 5: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable

Más detalles

Probabilidad condicional

Probabilidad condicional 4 Profra. Blanca Lucía Moreno Ley March 18, 2014 Sumario 1 Resumen 2 Probabilidad Supongamos que un experimento E tiene un espacio muestral U y un evento A está definido en dicho espacio muestral, entonces

Más detalles

03 Variables aleatorias y distribuciones de probabilidad

03 Variables aleatorias y distribuciones de probabilidad 03 Variables aleatorias y distribuciones de probabilidad Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Variables aleatorias discretas: función

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica

Más detalles

TEMA 3.- MODELOS DISCRETOS

TEMA 3.- MODELOS DISCRETOS TEMA 3.- MODELOS DISCRETOS 3.1. Introducción. 3.2. Distribución uniforme discreta de parámetro n. 3.3.Distribución Bernoulli de parámetro p. 3.4.Distribución Binomial de parámetros n y p. Notación: X Bn,

Más detalles

PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA

PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6) TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar

Más detalles

DISTRIBUCIONES DE PROBABILIDAD. es una representación gráfica que permite visualizar un experimento de pasos múltiples.

DISTRIBUCIONES DE PROBABILIDAD. es una representación gráfica que permite visualizar un experimento de pasos múltiples. es una representación gráfica que permite visualizar un experimento de pasos múltiples. Considere un experimento que consiste en lanzar dos monedas. Defina los resultados experimentales en términos de

Más detalles

Guía de Modelos Probabilísticos

Guía de Modelos Probabilísticos Guía de Modelos Probabilísticos 1. Distribución Binomial 1. Una máquina produce cierto tipo de piezas de las cuales el 5 % son defectuosas. Se seleccionan en forma independiente 5 piezas al azar. Calcule

Más detalles

Estadística Modelos probabilísticos discretos

Estadística Modelos probabilísticos discretos Estadística Modelos probabilísticos discretos MODELOS ALEATORIOS Al considerar variables aleatorias distintas caemos en la cuenta de que sus comportamientos respecto a la distribución de probabilidad,

Más detalles

Algunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Algunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda

Más detalles

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA PROBABILIDAD Y ESTADÍSTICA GUÍA 2: PROBABILIDADES Profesores: Jaime Arrué A. - Hugo S. Salinas. Primer Semestre 2008 1. Un sistema

Más detalles

DISTRIBUCIONES DE PROBABILIDAD DISCRETA

DISTRIBUCIONES DE PROBABILIDAD DISCRETA Probabilidad DISTRIBUCIONES DE PROBABILIDAD DISCRETA Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 4.1-1 Combinando métodos descriptivos y probabilidades En este capítulo vamos

Más detalles

Folleto de Estadísticas. Teoría del 1er Parcial

Folleto 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 detalles

DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD VARIABLE ALEATORIA Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida. Por ejemplo, suponga que se tira

Más detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 4 Nombre: Distribuciones de probabilidad para variables Contextualización En la sesión anterior se definió el concepto de variable aleatoria

Más detalles

Definición de variable aleatoria

Definición de variable aleatoria Variables aleatorias Instituto Tecnológico Superior de Tepeaca Agosto-Diciembre 2015 Ingeniería en Sistemas Computacionales M.C. Ana Cristina Palacios García Definición de variable aleatoria Las variables

Más detalles

Tema 4: Modelos probabilísticos

Tema 4: Modelos probabilísticos Tema 4: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable

Más detalles

Cap. Distribuciones de. probabilidad. discreta. Distribuciones de probabilidad. discreta Pearson Prentice Hall. All rights reserved

Cap. Distribuciones de. probabilidad. discreta. Distribuciones de probabilidad. discreta Pearson Prentice Hall. All rights reserved Cap 6 36 Distribuciones de Distribuciones de probabilidad discreta probabilidad discreta Variables aleatorias Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio

Más detalles

SESION 12 LA DISTRIBUCIÓN BINOMIAL

SESION 12 LA DISTRIBUCIÓN BINOMIAL SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:

Más detalles

Apuntes de Clases. Modelos de Probabilidad Discretos

Apuntes de Clases. Modelos de Probabilidad Discretos 2010 Índice 1. Distribución de Bernouilli 2 2. Distribución Binomial 3 3. Distribución Hipergeométrica 3.1. Aproximación Binomial de la distribución Hipergeométrica............. 7 4. Distribución Geométrica

Más detalles

Tema 6: Modelos de probabilidad.

Tema 6: Modelos de probabilidad. Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos

Más detalles

5. MODELOS PROBABILISTICOS.

5. MODELOS PROBABILISTICOS. 5. MODELOS PROBABILISTICOS. 5.1 Experimento de Bernoulli Un modelo probabilístico, es la forma que pueden tomar un conjunto de datos obtenidos aleatoriamente. Pueden ser modelos probabilísticos discretos

Más detalles

REGLA DE LA MULTIPLICACIÓN

REGLA DE LA MULTIPLICACIÓN REGLA DE LA MULTIPLICACIÓN REGLA DE LA MULTIPLICACIÓN Cuando empleamos las reglas de la adición se determinaba la probabilidad de combinar dos eventos ( que suceda uno u otro o los dos) Cuando queremos

Más detalles

contablemente infinito.

contablemente infinito. III. Variables aleatorias Discretas y sus Distribuciones de Probabilidad 1 Variable aleatoria discreta Definición Una variable aleatoria se llama discreta si se puede contar su conjunto de resultados posibles.

Más detalles

Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).

Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido

Más detalles

02 - Introducción a la teoría de probabilidad. Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales

02 - Introducción a la teoría de probabilidad. Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 02 - Introducción a la teoría de probabilidad Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Repaso de teoría de conjuntos Fenómenos determinísticos

Más detalles

POISSON JUAN JOSÉ HERNÁNDEZ OCAÑA

POISSON JUAN JOSÉ HERNÁNDEZ OCAÑA POISSON JUAN JOSÉ HERNÁNDEZ OCAÑA Distribución de Poisson Cuando una variable discreta se usa para estimar la cantidad de sucesos u ocurrencia en un determinado intervalo de tiempo o espacio es necesario

Más detalles

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema: Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz

Más detalles

Unidad 3. Probabilidad. Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre / 22

Unidad 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 detalles

1. Mencione tres características que debe tener un gráfico realizado correctamente. Cuándo se usa el blanco/negro y cuando se usa el color?

1. Mencione tres características que debe tener un gráfico realizado correctamente. Cuándo se usa el blanco/negro y cuando se usa el color? Quiz # 1 1. Mencione tres características que debe tener un gráfico realizado correctamente. Cuándo se usa el blanco/negro y cuando se usa el color? 2. Mencione el tipo de datos al que pertenecen los siguientes

Más detalles

Unidad 3. Probabilidad

Unidad 3. Probabilidad Unidad 3. Probabilidad Javier Santibáñez 17 de agosto de 2018 1. Introducción Definición 1. La probabilidad es una medida subjetiva del grado de creencia que se tiene acerca de que algo desconocido sea

Más detalles

Tema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema:

Tema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema: Tema 4: Variables aleatorias Tema 4: Variables Aleatorias Distribución de Bernouilli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno

Más detalles

Técnicas Cuantitativas para el Management y los Negocios I

Técnicas 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 detalles

Tratamiento de datos y azar

Tratamiento de datos y azar Tratamiento de datos y azar Programa de Estudios Área(s): Electricidad y electrónica Mantenimiento e instalación Procesos de producción y transformación física Procesos de producción y transformación químico-biológicos

Más detalles

Tema 6: Modelos probabilísticos

Tema 6: Modelos probabilísticos Tema 6: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable

Más detalles

Concepto de Probabilidad

Concepto de Probabilidad Concepto de Probabilidad Prof. Miguel Hesiquio Garduño. Est. Mirla Benavides Rojas Depto. De Ingeniería Química Petrolera ESIQIE-IPN hesiquiogm@yahoo.com.mx mbenavidesr5@gmail.com PROBABILIDAD En cualquier

Más detalles

Curso de nivelación Estadística y Matemática

Curso de nivelación Estadística y Matemática Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2014 Agenda 1 Concepto de probabilidad

Más detalles

Distribuciones Discretas

Distribuciones Discretas Capítulo 4 Distribuciones Discretas 4.1. Distribución Bernoulli Un experimento Bernoulli es un experimento aleatorio, cuyos resultados pueden clasificarse de dos maneras mutuamente excluyentes y exhaustivas,

Más detalles

La distribución de probabilidad de la variable aleatoria (v. a). Bernoulli, está dada por:

La distribución de probabilidad de la variable aleatoria (v. a). Bernoulli, está dada por: Distribución Bernoulli Una rueba o exerimento Bernoulli tiene uno de dos resultados mutuamente excluyentes, que generalmente se denotan S (éxito) y F (fracaso). Por ejemlo, al seleccionar un objeto ara

Más detalles

PROBLEMAS DE ESTADISTICA

PROBLEMAS DE ESTADISTICA ESTADÍSTICA, CURSO 2008 2009 1 PROBLEMAS DE ESTADISTICA 2. DISTRIBUCIONES DE PROBABILIDAD 2 1. Una urna contiene 6 bolas blancas, 4 rojas y 2 azules. Si se extraen 3 bolas sucesivamente sin reemplazamiento,

Más detalles

Resumen de Probabilidad

Resumen 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 detalles

Distribución de Probabilidad

Distribución de Probabilidad Distribución de Probabilidad Variables continuas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Distribuciones de probabilidad continuas

Más detalles

TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18

TEMA 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 detalles

6-1 y. Sec Distribuciones de probabilidad discreta Pearson Prentice Hall. All rights reserved

6-1 y. Sec Distribuciones de probabilidad discreta Pearson Prentice Hall. All rights reserved Sec. 6-1 y 3 6-2 Distribuciones de probabilidad discreta Variables aleatorias Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio Su valor se determina al

Más detalles

Introducción al Diseño de Experimentos.

Introducción al Diseño de Experimentos. Introducción al Diseño de Experimentos www.academia.utp.ac.pa/humberto-alvarez Introducción Una población o universo es una colección o totalidad de posibles individuos, especímenes, objetos o medidas

Más detalles

Estadística LTA - Principios de estadística 2017

Estadística LTA - Principios de estadística 2017 Estadística Probabilidad Experimento: Desde el punto de vista de probabilidades será "cualquier acto que pueda repetirse en igualdad de condiciones". Ej. Arrojar una vez un dado. Espacio Muestral: Es el

Más detalles

PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL SOLUCIÓN

PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL SOLUCIÓN FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL SOLUCIÓN Usando las frecuencias relativas, se tiene: b) La

Más detalles

UNIVERSIDAD DE MANAGUA Al más alto nivel

UNIVERSIDAD DE MANAGUA Al más alto nivel UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #3 Tema: Distribución Discreta Prof.: MSc. Julio Rito Vargas A. Grupo:CCEE y ADMVA /2016 Objetivos: Definir la función de probabilidad

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Tema 5 Distribuciones de probabilidad discretas Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Distinguir las características de las distribuciones de

Más detalles

U3: Procesos Poisson. Probabilidad e Introducción a los Procesos Estocásticos. Mgs. Nora Arnesi

U3: Procesos Poisson. Probabilidad e Introducción a los Procesos Estocásticos. Mgs. Nora Arnesi U3: Procesos Poisson Probabilidad e Introducción a los Procesos Estocásticos. Mgs. Nora Arnesi Analizar el siguiente proceso estocástico: Una fuente radioactiva emite partículas y sea X t : número de partículas

Más detalles

EXPERIMENTO ALEATORIO

EXPERIMENTO ALEATORIO EXPERIMENTO ALEATORIO En concepto de la probabilidad, un experimento aleatorio es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, en otras palabras,

Más detalles

Variables Aleatorias

Variables Aleatorias Objetivos de la práctica: Variables Aleatorias Objetivo general: Al finalizar la práctica, el estudiante deberá conocer el concepto de variable aleatoria discreta y continua, el concepto de distribución

Más detalles

Resumen teórico de los principales conceptos estadísticos

Resumen teórico de los principales conceptos estadísticos Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 6: Distribuciones estadísticas teóricas Resumen teórico Resumen teórico de los principales conceptos estadísticos

Más detalles

UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD

UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD La Distribución de Probabilidad (DP) es la relación que se da entre los diferentes eventos de un espacio muestral y sus respectivas probabilidades de ocurrencia.

Más detalles

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme

Más detalles

MÓDULO I. TEORÍA DE LA PROBABILIDAD

MÓDULO I. TEORÍA DE LA PROBABILIDAD UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:

Más detalles

Unidad 4: Modelos de probabilidad discretos.

Unidad 4: Modelos de probabilidad discretos. 125 Unidad 4: Modelos de probabilidad discretos. 4.0 Contenidos y objetivos. Contenidos: 4.0 Contenidos, objetivos y palabras clave. 125 4.1 Distribución de Bernoulli y distribución Binomial. 126 4.1.1

Más detalles

Distribuciones de Probabilidad

Distribuciones de Probabilidad Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica

Más detalles

Teoría Estadística Elemental I Teoría (resumida) del 2 do Tema

Teoría Estadística Elemental I Teoría (resumida) del 2 do Tema Teoría Estadística Elemental I Teoría (resumida) del 2 do Tema Raúl Jiménez Universidad Carlos III de Madrid Noviembre 2011 Consideremos el lanzamiento de un dado, Ω = {1, 2, 3, 4, 5, 6}, y supongamos

Más detalles

Discretas. Continuas

Discretas. Continuas UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de

Más detalles

TEMA 3: Probabilidad. Modelos. Probabilidad

TEMA 3: Probabilidad. Modelos. Probabilidad TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un

Más detalles

Probabilidad Condicional. Teorema de Bayes para probabilidades condicionales:

Probabilidad Condicional. Teorema de Bayes para probabilidades condicionales: Probabilidad Condicional Teorema de Bayes para probabilidades condicionales: Definición: Sea S el espacio muestral de un experimento. Una función real definida sobre el espacio S es una variable aleatoria.

Más detalles

Cálculo de Probabilidades II Preguntas Tema 2

Cálculo 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 detalles

ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES DISCRETAS Profesor: Celso Celso Gonzales

ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES DISCRETAS Profesor: Celso Celso Gonzales ESTADISTICA GENERAL PRINCIPALES DISTRIBUCIONES DISCRETAS Profesor: Celso Celso Gonzales OBJETIVOS Describir las características de las distribuciones de probabilidad de: Binomial, Hipergeometrica y Poisson

Más detalles

Variables aleatorias discretas

Variables aleatorias discretas Variables aleatorias discretas Considere el espacio de probabilidad Ω, F, P) y la función X : Ω R. La imagen de Ω bajo X se define como sigue ImgX) = x R ω Ω : Xω) = x}. Si ImgX) es un conjunto contable,

Más detalles

Variables Aleatorias Discretas

Variables Aleatorias Discretas Profesor Alberto Alvaradejo Ojeda 9 de septiembre de 2015 Índice 1. Variable aleatoria 3 1.1. Discretas...................................... 3 1.2. Continuas..................................... 3 1.3.

Más detalles

Matemática 3 Curso 2013

Matemática 3 Curso 2013 Matemática 3 Curso 2013 Práctica 3: Variables aleatorias discretas. Funciones de distribución Binomial, Geométrica, Hipergeométrica, Poisson. 1) Dadas las siguientes funciones, determinar cuales son funciones

Más detalles