INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA FÍSICA ESTADÍSTICA
|
|
- María Isabel Rojo Carrizo
- hace 7 años
- Vistas:
Transcripción
1 INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA DIPLOMA DE ESPECIALIZACIÓN EN FÍSICA (ANEP UDELAR) FÍSICA ESTADÍSTICA Curso 013 Práctico II Fundamentos de Probabilidad y Estadística. Fecha de Entrega: 13 de Mayo de Parte A: Ejercicios de Probabilidad: Ejercicio N o 1 5 de Oro: a) Cuál es la probabilidad de sacar el 5 de Oro? Es decir, acertar 5 números sacados aleatoriamente en 44. b) Cuál es el número de jugadas posibles en el 5 de Oro? Ejercicio N o Coeficiente Binomial C N (N ) por Inducción Completa: El número de modos posibles en que pueden distribuirse N elementos de forma que haya N de un tipo y N de otro: C N ( N ) = N! N =! N!( N N )! será utilizado varias veces en los primeros prácticos del curso. Por ello en este Ejercicio se comprobará este resultado de una nueva forma: a) erifique que la relación es válida para N = 1,, 3 y 4 con N tomando todos los valores posibles en cada caso. SUGERENCIA: Realice tablas con todas las ordenaciones posibles en cada caso, y verifique dicha relación contando el resultado que se obtiene. b) Asumiendo la relación es válida para N (con N de un tipo y N de otro). erifique que entonces también será válida para N 1 (con N 1 de un tipo y N de otro). Es decir: C N 1 ( N 1) = ( N 1 )! ( N 1 )! N! 1 - La entrega mínima debe contener los ejercicios marcados con asterisco, que en este repartido son: Ejercicios N o 4, 6, 8 y 9. II 1/6
2 INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA FÍSICA ESTADÍSTICA Curso 013 SUGERENCIA: Observe que las únicas dos formas de obtener N 1 elementos (con N 1 de un tipo y N de otro) es tener N (con N de un tipo y N de otro) y agregar uno del primer tipo; o tener N (con N 1 de un tipo y N 1 de otro) y agregar uno del segundo tipo. Ejercicio N o 3 (Reif Berkeley.6) El Ejercicio del Borracho: Un borracho parte de un farol en el centro de una calle, dando pasos de igual longitud a la derecha o a la izquierda con igual probabilidad. Cuál es la probabilidad de que esté nuevamente en el farol después de dar N pasos si: i. N es par, ii. N es impar? Ejercicio N o 4 (*) (Reif Berkeley.4) 3 Ruleta Rusa: En el juego de la ruleta rusa (no recomendado por Reif) se introduce un cartucho en el tambor de un revolver, dejando libre las otras cinco cámaras. Se hace girar el tambor, se apoya el cañón en la sien y se aprieta el gatillo. a) Cuál es la probabilidad de estar con vida después de jugar: i. una vez, ii. dos veces, iii. N veces? b) Cuál es la probabilidad de sobrevivir a N 1 jugadas, produciendo el disparo la N-sima vez que se aprieta el gatillo? c) Cuál es el número medio de veces que un jugador tiene oportunidad de apretar el gatillo en este macabro juego? Ejercicio N o 5: Considere una sociedad en dónde las familias tienen hijos hasta el nacimiento de la primera hija. Calcule en número medio de hijos por familia, el número medio de hijos varones y mujeres, y la fracción de hijos hombres sobre hijas mujeres en esa sociedad. Ejercicio N o 6 (*) (Reif Fundamentos 1.9 y 1.10) Distribución de Poisson: La probabilidad ( n) W de que un suceso, caracterizado por una probabilidad p ocurra n veces en N experimentos viene dada por la distribución binomial: W ( n) n = p 1 n! ( N n) II /6! N n ( p) Considere una situación en que la probabilidad p es pequeña (p << 1) y el número de W n se hace muy pequeña si n N, a experimentos muy grande (N >> 1). Note que ( ) - er también Reif Fundamentos er también Reif Fundamentos 1.5.
3 Práctico II Fundamentos de Probabilidad y Estadística. causa de la pequeñez del factor p n. En consecuencia, W ( n) es solo apreciable cuando n << N. En este caso pueden hacerse algunas aproximaciones para reducir W ( n) a una forma más sencilla. N n a) Demuestre que ( 1 p) exp( Np) utilizando que ln( p) p N n! n b) Demuestre que N ( ) c) Utilizando los resultados anteriores concluya que: W. n λ n! ( n) = exp( λ). 1. siendo λ Np el número medio de sucesos. Esta distribución se llama Distribución de Poisson. d) Demuestre que la distribución de Poisson está adecuadamente normalizada, o sea que: N n= 0 W ( n) = 1 NOTA: La suma anterior puede extenderse hasta infinito porque ( n) despreciable si n N. e) Use la distribución de Poisson para calcular n. f) Use la distribución de Poisson para calcular ( n) ( n n ). W es g) (Opcional) Demuestre que en el caso en que n >> 1 la distribución de Poisson tiende a una distribución gaussiana. 1 n SUGERENCIA: Use la aproximación de Stirling: n! = ( n) n exp( n) expanda ln W ( n) en potencias de n n n << n. π y n, y suponiendo Ejercicio N o 7: Una fábrica produce piezas con una probabilidad p = 0.0 de que una de ellas sea defectuosa. a) Calcule la probabilidad de que un lote de 100 piezas no tenga ninguna defectuosa. b) Haga el mismo cálculo pero con 3 piezas defectuosas. c) Repita los cálculos anteriores pero usando la aproximación de Poisson (ver Ejercicio N o 6) y calcule el error cometido en la aproximación. II 3/6
4 INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA FÍSICA ESTADÍSTICA Curso 013 Ejercicio N o 8 (*) (Reif Berkeley.15) 4 Gas Ideal: Considere un gas ideal de N 0 moléculas (sin interacciones mutuas) en equilibrio en un recipiente de volumen 0. Enfoque la atención en un subvolumen cualquier de este recipiente y designe N el número de moléculas contenidas en este subvolumen. Cada molécula tiene la misma probabilidad de encontrarse en un punto cualquiera del recipiente; en consecuencia, la probabilidad de que una molécula esté situada dentro del subvolumen es p =. 0 a) Cuál es el número medio N de moléculas dentro de? Exprese la respuesta en función de N 0, 0 y. b) Determine la dispersión relativa ( N N ) N en el número de moléculas situadas dentro de. Exprese el resultado en función de N 0, 0 y. c) Cuál será la respuesta a la parte anterior si << 0? d) Qué valor tomará la dispersión ( N N ) si 0? Está de acuerdo la respuesta a la parte b con esta presunción? e) Si 0 << << 1, cuál es la probabilidad de que el número de moléculas que 0 hay en este volumen esté entre N y N dn? Ejercicio N o 9 (*) (Salinas 1.6) Distribución Exponencial: Una variable aleatoria x, que varía desde 0 a, está asociada a una densidad de probabilidad exponencial p(x) = A exp( x/λ). a) Encuentre A para que la densidad esté normalizada. b) Calcule <x>, el valor esperado de x, y su dispersión <( x) >. c) Se eligen dos valores x 1 y x en forma independiente. Encuentre <x 1 x > y <x 1 x >. d) Cuál es la densidad de probabilidad de la variable y = x 1 x? Ejercicio N o 10 (Reif Fundamentos 1. y 1.3) ariables Aleatorias: Considere el problema del camino aleatorio para una partícula en una dimensión. Suponga que en cada paso su desplazamiento es siempre positivo y que tiene la misma probabilidad de estar en cualquier sitio dentro del intervalo entre l b y l b, siendo b < l. Después de N pasos: a) Cuál es el desplazamiento medio x? 4 - er también Reif Fundamentos 1.16 y II 4/6
5 Práctico II Fundamentos de Probabilidad y Estadística. b) Cuál es la dispersión ( x x )? c) Repita las partes anteriores si la probabilidad de un desplazamiento entre s y s ds es gaussiana con valor medio l y dispersión σ. Ejercicio N o 11 (Reif Berkeley.15) 5 Cálculo de un alor Cuadrático Medio: Una batería de potencial está conectada a una resistencia R. En consecuencia se disipa una potencia P = en dicha resistencia. La batería está formada por N R celdas individuales conectadas en serie de forma que es la suma de los potenciales de todas las celdas. La batería es vieja de forma que no todas las celdas están en perfectas condiciones. Por lo tanto, existe una probabilidad p de que el potencial de cualquier celda individual tenga su valor nominal v; y una probabilidad 1 p de que el potencial de cualquier celda individual sea cero por cortocircuito interno. Las celdas individuales son estadísticamente independientes entre sí. Bajo estas condiciones calcule la potencia media P disipada en la resistencia, expresando el resultado en función de N, v, p y R. Ejercicio N o 1 Difusión en una dimensión: El objetivo del presente ejercicio es entender como la naturaleza difusiva del movimiento de un sistema de partículas está asociada a que la dispersión ( x) = Dt donde D es el coeficiente de difusión y t es el tiempo. El coeficiente de difusión está definido por la ley de Fick que establece que para el transporte en régimen difusivo en un sistema unidimensional: j x ( x, t) ( x, t) n = D x donde j x es la componente del flujo de partículas en la dirección creciente de la coordenada x de un sistema unidimensional, y n es la concentración o densidad de partículas (no uniforme, y por lo tanto que evoluciona en el tiempo). Estas cantidades se encuentran vinculadas además por la ecuación de continuidad que asegura la conservación del número de partículas: ( x, t) n( x, t) j x = 0. x t a) Eliminando el flujo de partículas obtenga una ecuación diferencial en derivadas parciales para la concentración n(x,t). b) Asuma esta densidad obedece una distribución gaussiana de valor esperado nulo pero desviación estándar dependiente del tiempo, es decir: σ ( t) = ( x). Escriba esta densidad en forma exacta en función de x, σ y el número de partículas totales N er también Reif Fundamentos II 5/6
6 INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA FÍSICA ESTADÍSTICA Curso 013 NOTA: A diferencia de una densidad de probabilidad la densidad de partículas está normalizada de forma que su integral de elnúmero de partículas totales N 0. c) Sustituyendo la concentración anterior en la ecuación diferencial de la parte a), encuentre una ecuación que dé la evolución temporal de σ. d) erifique que como consecuencia de la ecuación anterior ( ) = Dt x. e) incule el resultado con la caminata al azar unidimensional en el caso de un régimen completamente aleatorio (p = q = ½) para tiempos grandes (muchos pasos). II 6/6
Física Estadística. A entregar: Viernes 25 de febrero de 2011.
Física Estadística A entregar: Viernes 25 de febrero de 2011. Prob. 4. El caminante al azar... o borracho Suponga un borracho que acaba de salir de una cantina y que sólo puede caminar hacia su derecha
Más detallesPROBABILIDAD 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 detallesTema 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 detallesTema 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 detallesTema 5: Modelos probabilísticos
Tema 5: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
Más detallesTema 4: Modelos probabilísticos
Tema 4: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
Más 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 detallesPROBABILIDAD 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 detallesDefinición 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 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 detallesTema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema:
Tema 4: Variables aleatorias Tema 4: Variables Aleatorias Distribución de Bernouilli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno
Más detalles1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2.
Ejercicios y Problemas. Capítulo III 1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2. (a) Calcular P (X = 0), P (X = 1), P (X = 2), P (X = 3), utilizando la función
Más detallesEstadística aplicada al Periodismo
Estadística aplicada al Periodismo Temario de la asignatura Introducción. Análisis de datos univariantes. Análisis de datos bivariantes. Series temporales y números índice. Probabilidad y Modelos probabilísticos.
Más detallesModelos 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 detallesMatemática 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 detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesIntroducción al Diseño de Experimentos.
Introducción al Diseño de Experimentos www.academia.utp.ac.pa/humberto-alvarez Introducción Una población o universo es una colección o totalidad de posibles individuos, especímenes, objetos o medidas
Más detallesIntroducción 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 detalles5. Distribuciones de probabilidad multivariadas
5. Distribuciones de probabilidad multivariadas Sobre un dado espacio muestral podemos definir diferentes variables aleatorias. Por ejemplo, en un experimento binomial, X 1 podría ser la variable binomial
Más detallesEstadística Grupo V. Tema 10: Modelos de Probabilidad
Estadística Grupo V Tema 10: Modelos de Probabilidad Algunos modelos de distribuciones de v.a. Hay variables aleatorias que aparecen con frecuencia en las Ciencias Sociales y Económicas. Experimentos dicotómicos
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
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 detallesMatemática 3 Curso 2014
Matemática 3 Curso 204 Práctica 4: Variables aleatorias continuas. Funciones de distribución de probabilidad uniforme, exponencial, normal ) El tiempo total, medido en unidades de 00 horas, que un adolescente
Más detallesCálculo 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 detalles9 APROXIMACIONES DE LA BINOMIAL
9 APROXIMACIONES DE LA BINOMIAL 1 Una variable aleatoria sigue una distribución binomial B(n = 1000; p = 0,003). Mediante la aproximación por una distribución de POISSON, calcular P(X = 2), P(X 3) y P(X
Más detallesTema 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 detallesCuando la distribución viene dada por una tabla: 2. DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA.
1. DISTRIBUCIONES ESTADÍSTICAS. El siguiente grafico corresponde a una distribución de frecuencias de variable cuantitativa y discreta pues solo puede tomar valores aislados (0, 1, 2, 3, 10). Se trata
Más detallesMÓDULO 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 detallesModelos de distribuciones discretas y continuas
Tema 6 Modelos de distribuciones discretas y continuas 6.1. Modelos de distribuciones discretas 6.1.1. Distribución uniforme sobre n puntos Definición 6.1.2 Se dice que una v.a. X sigue una distribución
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más 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 detallesCuáles son las características aleatorias de la nueva variable?
Apuntes de Estadística II. Ingeniería Industrial. UCAB. Marzo 203 CLASES DE ESTADÍSTICA II CLASE 5) UNA TRANSFORMACIÓN DE DOS VARIABLES. Sea Z = g(, ) una función de las variables aleatorias e, tales que
Más detallesSimulación de caminantes aleatorios Ejercicios
Simulación de caminantes aleatorios Ejercicios Hemos descubierto mediante argumentos sencillos la expresión de la densidad de probabilidad de la posición final R de un caminante aleatorio al cabo de un
Más detallesTema 5 Modelos de distribuciones de Probabilidad
Tema 5 Modelos de distribuciones de Probabilidad Variable aleatoria unidimensional Dado un espacio de Probabilidad (E, F, P), una variable aleatoria es una aplicación del espacio muestral E al conjunto
Más detalles1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES
1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES TEMAS 14 y 15.- DISTRIBUCIONES DISCRETAS. LA DISTRIBUCIÓN BINOMIAL. DISTRIBUCIONES CONTINUAS. LA DISTRIBUCIÓN NORMAL 1 1.- VARIABLES ALEATORIAS DISCRETAS Concepto
Más detallesMétodos Estadísticos de la Ingeniería Práctica 5: Distribuciones de Probabilidad y el Teorema Central del
Métodos Estadísticos de la Ingeniería Práctica 5: Distribuciones de Probabilidad y el Teorema Central del Límite Área de Estadística e Investigación Operativa Mariano Amo Salas y Licesio J. Rodríguez-Aragón
Más detallesDistribuciones de probabilidad multivariadas
Capítulo 3 Distribuciones de probabilidad multivariadas Sobre un dado espacio muestral podemos definir diferentes variables aleatorias. Por ejemplo, en un experimento binomial, X 1 podría ser la variable
Más detallesGuía de Ejercicios N o 2 FI2A2
Guía de Ejercicios N o 2 FI2A2 Prof. Auxiliar: Felipe L. Benavides Problema 1 Continuidad de la Corriente y Evolución Temporal de Cargas Libres Considere un sistema formado por dos placas conductoras conectadas
Más detallesDistribución 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 detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesEstadística 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 detallesEstadística 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 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 detallesESTADÍSTICA (Química) PRÁCTICA 4 Sumas de variables aleatorias
ESTADÍSTICA (Química) PRÁCTICA 4 Sumas de variables aleatorias 1. Se realizan mediciones independientes del volumen inicial y final en una bureta. Supongamos que las mediciones inicial y final siguen el
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesAlgunos conceptos de probabilidad
Algunos conceptos de probabilidad Variables Aleatorias Al realizar un experimento aleatorio muchas veces, esperamos que los resultados obtenidos sean gobernados por sus probabilidades. Así las probabilidades
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 detallesTema 12: Distribuciones de probabilidad
Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:
Más detallesVariables aleatorias continuas
Variables aleatorias continuas VARIABLE ALEATORIA UNIFORME Definición Se dice que una variable X tiene una distribución uniforme en el intervalo [a;b] si la fdp de X es: 1 si a x b f(x)= b-a 0 en otro
Más detalles1. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:
(variables aleatorias) 1 1. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla: 2. Se lanza tres veces una moneda
Más detallesVARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS.
VARIABLE ALEATORIA CONTINUA VARIABLES ALEATORIAS CONTINUAS º Bto. CC.SS. Una variable aleatoria es continua si puede tomar, al menos teóricamente, todos los valores comprendidos en un cierto intervalo
Más detallesRESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
RESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con
Más detallesEl 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 detalles6.3. Distribuciones continuas
144 Bioestadística: Métodos y Aplicaciones Solución: Si consideramos la v.a. X que contabiliza el número de personas que padecen la enfermedad, es claro que sigue un modelo binomial, pero que puede ser
Más detallesVARIABLES ALEATORIAS Variable: Característica de los individuos u objetos
1 Definiciones VARIABLES ALEATORIAS Variable: Característica de los individuos u objetos Aleatoria: Azar 1. Una variable aleatoria ( v.a.) es una función que asigna un número real a cada resultado en el
Más detallesz es una variable estandarizada con media igual a cero y varianza igual a uno. (μ= 0, σ 2 =1)
z x z es una variable estandarizada con media igual a cero y varianza igual a uno. (μ= 0, σ =1) La distribución normal es una distribución continua, en forma de campana donde la media, la mediana y la
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detalles8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
Más detallesTeorema del límite central
TEMA 6 DISTRIBUCIONES MUESTRALES Teorema del límite central Si se seleccionan muestras aleatorias de n observaciones de una población con media y desviación estándar, entonces, cuando n es grande, la distribución
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 detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E un número real: X: E Ejemplo: Consideremos el experimento
Más detallesDistribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Más detallesESTADISTICA 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 detallesPROBLEMAS 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 detallesProceso de llegadas de Poisson
Gestión y Planificación de Redes y Servicios Proceso de llegadas de Poisson Area de Ingeniería Telemática http://www.tlm.unavarra.es Grado en Ingeniería en Tecnologías de Telecomunicación, 4º Proceso de
Más detallesTema 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 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 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 detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 3 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. Sea X 1,..., X n una muestra aleatoria
Más detallesObjetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Más detallesPROBABILIDAD Y ESTADÍSTICA ININ4010 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6
PROBABILIDAD Y ESTADÍSTICA ININ4 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6. Con base en probabilidades de la distribución normal a, 2 y 3 desviaciones, determine para una variable con μ = 5 y
Más detallesMATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con sucesos. Leyes de De Morgan.
Más detallesTema 7. Variables Aleatorias Continuas
Presentación y Objetivos. Tema 7. Variables Aleatorias Continuas En este tema se propone el estudio de las variables aleatorias continuas más importantes, desde la más simple incrementando el grado de
Más detallesPROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS
Estadística 1 PROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS 1. Obtener un estimador insesgado para p en una m.a.s. de tamaño n de una distribución binomial B(m,p) con m conocido y calcular su error
Más detallesTEMA 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 detalles0 si x<0. si 1 x<2 1 si x 2. si 4 x 6 1 si x>6. 1 e x si x 0
Probabilidades y Estadística (M) Práctica 3 2 cuatrimestre 2004 Variables Aleatorias. Sea X una v.a. con función de distribución (a) F X (x) = 0 si x< 3 4 si 3 x< 3 4 si x
Más detallesCAPÍTULO 5 DISTRIBUCIONES TEÓRICAS
CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS Hugo Grisales Romero Profesor titular CONCEPTOS BÁSICOS Experimento: Variable aleatoria: Clasificación: Proceso por medio del cual una medición se obtiene. Aquella que
Más detallesDistribuciones de probabilidad Discretas
Distribuciones de probabilidad Discretas Distribución Uniforme Discreta Definición Una variable aleatoria X, tiene una distribución uniforme discreta, si cada uno de los valores x 1, x 2,.. x n, tiene
Más detallesRepartido Estadísticas Cuánticas
Repartido 5 207 - Estadísticas Cuánticas Mecánica Estadística 207 - Facultad de Ciencias - UdelaR 26 de octubre de 207 Ejercicio. Obtenga la forma explícita del estado base y del primer estado excitado
Más detallesUniversidad Autónoma de Madrid Probabilidad y Estadística
Pendiente de la lección 1: Lección 6 Variables aleatorias ˆ Si Ω es infinito, Ω sería su área en P(A) = A / Ω. ˆ Vamos a lanzar un bolígrafo en un suelo con pequeñas baldosas blancas que tienen un dibujo
Más detallesEl 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 detallesApuntes 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 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 detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesDinámica poblacional. Caso: Una población
Dinámica poblacional. Caso: Una población Jesús López Estrada última revisión Febrero de 25 Resumen Se estudía la evolución del crecimiento de una población bajo distintos supuestos de modelación, lo que
Más detallesHoja de Problemas Tema 3 (Variables aleatorias multidimensionales)
Depto. de Matemáticas Estadística (Ing. de Telecom.) Curso 2004-2005 Hoja de Problemas Tema 3 (Variables aleatorias multidimensionales) 1. Consideremos dos variables aleatorias independientes X 1 y X 2,
Más detallesProf. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Más detallesDefinición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números
IV. Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 1 Variable Aleatoria Continua Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo
Más detallesDepartamento de Física Aplicada III
Departamento de Física Aplicada III Escuela Superior de Ingenieros Camino de los Descubrimientos s/n 4109 Sevilla Examen de Campos electromagnéticos. o Curso de Ingeniería Industrial. Septiembre de 011
Más detallesTema 3: VARIABLES ALEATORIAS
Tema 3: VARIABLES ALEATORIAS Introducción En el tema anterior hemos modelizado el comportamiento de los experimentos aleatorios. Los resultados de un experimento aleatorio pueden ser de cualquier naturaleza,
Más detallesCUARTO DE ESO. MATEMÁTICAS A
CUARTO DE ESO. MATEMÁTICAS A UNIDAD 1 1.1. Realiza operaciones combinadas con números enteros. 1.2. Realiza operaciones con fracciones. 1.3. Realiza operaciones y simplificaciones con potencias de exponente
Más detallesFísica Teórica 2. Primer cuatrimestre de Guía 4: Dinámica cuántica
Física Teórica Primer cuatrimestre de 018 Guía 4: Dinámica cuántica 1. La representación matricial del Hamiltoniano correspondiente a un fotón propagándose en dirección del eje óptico de un cristal de
Más detallesFormulas de Newton-Cotes
Formulas de Newton-Cotes. Usando las reglas del Trapecio, Punto Medio, Simpson y las formulas de Newton-Cotes abiertas con n =,, aproxime el valor de las siguientes Integrales. Construya una tabla para
Más detallesEl momento de orden n de una variable aleatoria X es el valor esperado de X elevado a la n, es decir,
1 CLASES DE ESTADÍSTICA II CLASE 4) MOMENTOS. FUNCIÓN GENERATRIZ DE MOMENTOS CONJUNTA. El concepto de Momentos ya se conocía en el análisis de una variable aleatoria y es bueno recordarlo ahora para generalizarlo
Más detallesGuía 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 detallesPRÁCTICA I. Ejercicios Teóricos
PRÁCTICA I TEORÍA DE LA DECISIÓN BAYESIANA Ejercicios Teóricos Ejercicio. En el caso de dos categorías, en la regla de decisión de Bayes el error condicional está dado por la ecuación (7). Incluso si las
Más detalles