VARIABLES ALEATORIAS CONTINUAS
|
|
- Víctor Nieto Morales
- hace 6 años
- Vistas:
Transcripción
1 VARIABLES ALEATORIAS CONTINUAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus
2 Definición de una V.A.C. Definición de una V.A.C. Si por ejemplo; un experimento consiste en seleccionar en forma aleatoria un número entre 0 y 1. Existen un número infinito de posibles resultados con la misma probabilidad. Por lo cual: P(cada punto) = P(X = x) = 0 Entonces, una Variable Aleatoria Continua es aquella con una cantidad infinita e incontable de posibles valores y con una probabilidad de cero para cada valor particular. IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 1
3 Función de Densidad de Probabilidad Función de Densidad de Probabilidad Sea X una variable aleatoria continua, entonces f(x) es una legítima función de densidad de probabilidad (fdp) si: 1) El área bajo f(x) es igual a 1 2) Nunca es negativa R f(x)dx = 1 f(x) 0, x IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 2
4 Función de Densidad de Probabilidad 3) La probabilidad de que X esté en cierta región A A R P(X A) = f(x)dx esto es, A P(x 1 < X < x 2 ) = x2 x 1 f(x)dx Lo cual quiere decir, que la probabilidad de que la VAC X tome un valor dentro del intervalo (x 1, x 2 ), es igual a el área bajo f(x) en dicho intervalo. IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 3
5 Función de Densidad de Probabilidad Ejemplo: Sea X una variable aleatoria continua con fdp: { cx 2 si 0 < x < 2 f(x) = 0 otro caso Encuentre el valor de la constante c. 1 = R f(x)dx = 2 0 Encuentre P(0 < X < 1). cx 2 dx = 8 3 c, c = 3 8 P(0 < X < 1) = x2 dx = 1 8 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 4
6 Función de Densidad de Probabilidad f(x) = { 3x 2 /8 si 0 < x < 2 0 otro caso f(x) X IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 5
7 Función de Densidad de Probabilidad Encuentre P (0 < X < < X < 1.5). = = P [(0 < X < 1) (0.5 < X < 1.5)] P(0.5 < X < 1.5) P(0.5 < X < 1) P(0.5 < X < 1.5) = (3/8) x 2 dx (3/8) x 2 dx = 7/26 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 6
8 Función de Distribución Acumulada Función de Distribución Acumulada La función de distribución acumulada (fda), está definida por F(x) = P(X x) En el caso de una variable aleatoria continua esto implica F(x) = x f(x)dx Teorema: Si X es una V.A. Continua: f(x) = F (x) o F(x) = f(x)dx IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 7
9 Función de Distribución Acumulada Ejemplo: Sea X una variable aleatoria continua con fdp: f(x) = { 3x 2 /8 si 0 < x < 2 0 otro caso Calcular la función de distribución acumulada. F(x) = f(x) dx = 3x 2 8 dx = x3 8 0 si x 0 x 3 /8 si 0 < x < 2 1 si x 2 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 8
10 F(x) = 0 si x 0 x 3 /8 si 0 < x < 2 1 si x 2 Función de Distribución Acumulada F(x) X IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 9
11 Valor Esperado o Media Valor Esperado o Media La media o valor esperado de una V.A.C. X, esta dado por µ = E[X] = xf(x)dx El valor esperado de una función de X, por ejemplo g(x), esta dado por µ = E[g(X)] = g(x)f(x)dx R R IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 10
12 Valor Esperado o Media Ejemplo: Sea X una variable aleatoria continua con fdp: f(x) = { 3x 2 /8 si 0 < x < 2 0 otro caso a) Calcular el valor esperado de X: E[X] = xf(x) dx R 2 3x 3 = 0 8 dx 2 = 3x4 = IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 11 0
13 b) Calcular el valor esperado de g(x) = X 2 : E [ X 2] = x 2 f(x) dx = R 2 3x dx 2 = 3x Valor Esperado o Media = 12 5 = 2.4 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 12
14 Varianza Varianza La varianza para una VA Continua X está dada por Var(X) = E [ (X µ) 2] = E [ X 2] (E[X]) 2 Desviación Estándar: σ = + Var(X) Ejemplo: En el ejemplo anterior la varianza está dada Var(X) = E [ X 2] (E[X]) 2 = 2.4 (1.5) 2 = 0.15 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 13
15 Modelo Uniforme Continuo Modelo Uniforme Continuo Si X es igualmente probable en cualquier parte dentro del intervalo (a, b), entonces X tiene una distribución uniforme en (a, b). Es decir X U(a, b). f(x) = 1 b a, a < x < b 0, de otro modo. IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 14
16 Modelo Uniforme Continuo Modelo Uniforme Continuo F(x) = 0, x a x a b a, a < x < b 1, x b E[X] = a + b (b a)2 ; Var(X) = 2 12 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 15
17 Modelo Triangular Modelo Triangular Este es muy bueno cuando se quiere modelar variables aleatorias a partir de una cantidad limitada de datos (mínimo, moda, máximo). Si se aplica a una VAC, X Tri(a, b, c). 2(x a) a x < b (b a)(c a) f(x) = 2(c x) b x c (c b)(c a) 0 de otro modo IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 16
18 Modelo Triangular Modelo Triangular E[X] = a + b + c 3 Var(X) = a2 + b 2 + c 2 ab ac bc 18 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 17
19 Modelo Exponencial Modelo Exponencial Esta distribución puede describir fenómenos físicos, tales como, el tiempo t para que un núcleo radioactivo decaiga, el tiempo x para que un componente falle, etc. Así, X Exp(λ), es decir, que X tiene una distribución exponencial con parámetro λ > 0, E[X] = 1/λ, Var(X) = 1/λ 2, IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 18
20 Modelo Exponencial Modelo Exponencial función de densidad de probablidad f(x) = { λe λx x > 0 0 x 0 y función de distribución acumulada F(x) = { 1 e λx x > 0 0 x 0 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 19
21 Modelo Exponencial Modelo Exponencial f(x) = { 4e 4x x > 0 0 x IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 20
22 Modelo Exponencial Modelo Exponencial F(x) = { 1 e 4x x > 0 0 x IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 21
23 Teorema: Sea X Exp(λ), entonces P(X > s + t X > s) = P(X > t) Modelo Exponencial Ejemplo: Suponga que la vida de un foco es exponencial con una media de 1000 horas. Si el foco sobrevive 1500 horas, cuál es la probabilidad de que sobreviva otras 1000 horas? P(X > 2500 X > 1500) = P(X > 1000) = 1 F(1000) = e λ(1000) = e 1 = 0.37 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 22
24 Relación con la distribución de Poisson Relación con la distribución de Poisson Sea X la cantidad de tiempo hasta el primer arribo en un proceso Poisson con un ritmo λ. Entonces X Exp(λ). Note que el número de arribos en [0, x] es una VAD Pois(λx). F(x) = P(X x) = 1 P(ningún arrivo en [0, x]) = 1 e λx(λx) 0 0! = 1 e λx IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 23
25 Modelo Normal Modelo Normal Es quizá, la más importante función de densidad en probabilidad y estadística. Sea X Nor(µ, σ 2 ), es decir, X tiene una distribución normal con parámetros µ (media) y σ 2 (varianza), así como una fdp: f(x) = 1 2πσ 2 e (x µ)2 2σ 2, x R Esta distribución describe en forma aproximada muchos de los fenómenos que ocurren en la naturaleza, la industria y la investigación; como lo son, mediciones y errores. IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 24
26 Curva Normal Modelo Normal µ σ µ µ+σ IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 25
27 Misma media pero diferente varianza µ = 0, σ = 1.0 µ = 0, σ = 0.6 Modelo Normal IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 26
28 Misma varianza pero diferente media 0.5 µ = -0.5, σ = 1.0 µ = 1.5, σ = 1.0 Modelo Normal IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 27
29 Distribución Normal Estándar Distribución Normal Estándar La distribución Nor(0, 1) es llamada distribución normal estándar. Lo bueno de esta distribución normal estándar, es el hecho de que hay tablas disponibles para su función de distribución acumulada. Es posible estandarizar cualquier variable aleatoria normal X en una normal estándar al aplicar la transformación: Z = x µ σ IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 28
30 Distribución Normal Estándar Distribución Normal Estándar Notación: La variable normal estándar Nor(0, 1) es frecuentemente denotada por la letra Z. La función de densidad de Nor(0,1) es: φ(z) 1 2π e z2 2, z R La función de distribución acumulada de Nor(0, 1) es: Φ(z) z φ(t)dt, z R IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 29
31 Distribución Normal Estándar Distribución Normal Estándar Por ello: P(Z a) = Φ(a) P(Z b) = 1 Φ(b) P(a Z b) = Φ(b) Φ(a) Φ(0) = 1/2 Φ( b) = P(z b) = P(z b) = 1 Φ(b) P( b Z b) = 2Φ(b) 1 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 30
32 Distribución Normal Estándar Distribución Normal Estándar Ejemplo: Sea X Nor(21, 4), determine la probabilidad P(19 < X < ( 22.5) 19 µ = P < X µ < 22.5 µ ) ( σ σ σ ) = P < Z < 2 2 = P( 1 < Z < 0.75) = Φ(0.75) Φ( 1) = Φ(0.75) [1 Φ(1)] = [ ] = IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 31
33 Propiedad Aditiva de la Distribución Normal Propiedad Aditiva de la Distribución Normal Teorema: Si X 1,..., X n son independientes y X i Nor(µ i, σ 2 i ), i = 1,..., n Entonces: Y n a i X i + b Nor( n a i µ i + b, n a 2 i σ2 i ) i=1 i=1 i=1 Es decir, una combinación lineal variables normales independientes es en sí misma normal. IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 32
34 Propiedad Aditiva de la Distribución Normal Propiedad Aditiva de la Distribución Normal Ejemplo: Suponga que, en UPIICSA, los pesos de los hombres es H Nor(68,4) y los pesos de las mujeres es M Nor(65,1). Si se selecciona a un hombre y una mujer al azar de forma independiente. Encuentre la probabilidad de que la mujer sea más pesada que el hombre. M H Nor(E[M H],Var(M H)) Nor(65 68,1 + 4) Nor( 3, 5) IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 33
35 Propiedad Aditiva de la Distribución Normal P(M > H) = P(M H > 0) ( = P Z > ) 5 = 1 Φ(3/ 5) = 0.09 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus 34
VARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
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 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 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 detallesCap. 3 : Variables aleatorias
Cap. 3 : Variables aleatorias Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 16 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de sistemas,
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 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 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 detallesMODELOS 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 detallesAlgunas distribuciones teóricas continuas
Algunas distribuciones teóricas continuas Dr. Pastore, Juan Ignacio Profesor Adjunto. Algunas Distribuciones Estadísticas Teóricas Distribución Continuas: a) Distribución Uniforme b) Distribución de Exponencial
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 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 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 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 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 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 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 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 detallesVARIABLES ALEATORIAS. Ing. Andrés Álvarez Cid
VARIABLES ALEATORIAS Ing. Andrés Álvarez Cid VALOR ESPERADO CASO DISCRETO Sea X una variable aleatoria discreta con un conjunto de valores posibles D y una función de probabilidad p(x). El valor esperado
Más detallesVariables aleatorias continuas y Características numéricas
Variables aleatorias continuas y Características numéricas 2ºC 2018 Clase Nº 7 Mg. Stella Figueroa Variable aleatoria continua X es una VAC si existe una función f(x), llamada función de densidad de probabilidad
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 detalles4.1. Definición de variable aleatoria. Clasificación.
Capítulo 4 Variable aleatoria Una variable aleatoria es un valor numérico que corresponde a un resultado de un experimento aleatorio. Algunos ejemplos son: número de caras obtenidas al lanzar seis veces
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 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 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 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 detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
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 detallesDistribuciones de probabilidad II
II Facultad de Estudios Superiores Acatlán Licenciatura en Economía 20 de abril 2017 José A. Huitrón Mendoza Distribuciones de probabilidad de Poisson Enmarca el estudio de una variable aleatoria discreta
Más detallesUnidad 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 detallesDistribuciones unidimensionales continuas
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Distribución uniforme continua 2 Estándar 3 Distribución χ 2 de Pearson 4 Distribución uniforme continua Definición Es una variable continua
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 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 detallesUniversidad Nacional de La Plata
Universidad Nacional de La Plata Facultad de Ciencias Agrarias y Forestales CÁLCULO ESTADÍSTICO STICO Y BIOMETRÍA CONTENIDOS UNIDAD 3: Introducción al Cálculo de Probabilidades. Experimento aleatorio.
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesTema 2 Modelos de probabilidad
Tema 2 Modelos de probabilidad José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Estructura de este tema Conceptos básicos de probabilidad. Modelos discretos: la distribución
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 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 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 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 detallesEstadística I Tema 5: Modelos probabiĺısticos
Estadística I Tema 5: Modelos probabiĺısticos Tema 5. Modelos probabiĺısticos Contenidos Variables aleatorias: concepto. Variables aleatorias discretas: Función de probabilidad y función de distribución.
Más detallesRepaso de Probabilidad y Estadística
Repaso de Probabilidad y Estadística Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Probabilidad 2 Definición.............................................................
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 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 detallesVariables aleatorias. Descripción breve del tema. Objetivos. Descripción breve del tema. Tema 4
Descripción breve del tema Variables aleatorias Tema 4 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Descripción breve
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 detallesCapítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved
Capítulo 37 Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La distribución de probabilidad uniforme Hasta ahora hemos
Más detallesINGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017
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 detallesEstadística Grado en Nutrición Humana y Dietética
Estadística Grado en Nutrición Humana y Dietética Tema 3: Probabilidad y variables aleatorias Francisco M. Ocaña Peinado http://www.ugr.es/local/fmocan Departamento de Estadística e Investigación Operativa
Más detallesSEÑALES Y SISTEMAS Clase 5
SEÑALES Y SISTEMAS Clase 5 Carlos H. Muravchik 15 de Marzo de 2018 1 / 43 Habíamos visto: Repaso Probabilidades (sobrevuelo) Veremos: 1. Repaso Probabilidades 2. Repaso Variables aleatorias. Distribuciones.
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 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 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 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 detallesProbabilidad y Procesos Aleatorios
y Dr. Héctor E. Poveda P. hector.poveda@utp.ac.pa www.hpoveda7.com.pa @hpoveda7 Plan del curso Probabilidad Múltiples 1. Probabilidad Espacios probabilísticos Probabilidad condicional 2. 3. Múltiples 4.
Más detallesESTADÍSTICA I. A continuación se presentan los Modelos Probabilísticos Continuos más importantes.
1 ESTADÍSTICA I Capítulo 6: MODELOS PROBABILÍSTICOS CONTINUOS. Contenido: Distribución Uniforme Continua. Distribución Triangular. Distribución Normal. Distribuciones Gamma, Exponencial, Erlang y Chi Cuadrado.
Más detalles0 en otro caso. P (X > 0) P ( 0.5 < X < 0.5) P ( X > 0.25) x 3 si 0 x < 2. 1 si 2 x P(X 1) P(0.5 X 1) P(0.5 < X 1 X < 1) f X (x) = (1+αx) 2
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad { 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 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 detallesAgenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria continua. Varianza. 2
Curso de nivelación Estadística y Matemática Cuarta clase: Distribuciones de probablidad continuas Programa Técnico en Riesgo, 2016 Agenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 P (X > 0) P ( 0,5 < X < 0,5) P ( X > 0,25) 1 si 2 x P (X 1) P (0,5 X 1) P (0,5 < X 1 X < 1)
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad { 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 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 detallesUniversidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:
Integral Lapso 2010-2 745 1/5 Universidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: 610-612-613 Fecha: 26-02-2011 OBJ. 2 PTA 1 MODELO DE RESPUESTAS Objetivos 2,
Más detallesNotas de clase. Prof. Nora Arnesi
Notas de clase Este material está sujeto a correcciones, comentarios y demostraciones adicionales durante el dictado de las clases, no se recomienda su uso a aquellos alumnos que no concurran a las mismas
Más detallesVariables aleatorias continuas
//2 Análisis de datos y gestión veterinaria Variables aleatorias continuas y distribuciones Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 8 de Noviembre de 2
Más detallesVariables aleatorias. Tema Introducción Variable aleatoria. Contenido
Tema 4 Variables aleatorias En este tema se introduce el concepto de variable aleatoria y se estudian los distintos tipos de variables aleatorias a un nivel muy general, lo que nos permitirá manejar los
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 detallesVariables Aleatorias y Principios de Simulación.
Variables Aleatorias y Principios de Simulación http://humberto-r-alvarez-a.webs.com Conceptos de probabilidad La Teoría de Probabilidad trata fenómenos que pueden ser modelados por experimentos cuyos
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 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 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 detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Más detallesESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE MATEMÁTICAS TEMA 1 (20 puntos): RUBRICA La magnitud de temblores registrados en una región de América
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 detallesDistribución de probabilidad
Los experimentos aleatorios originan resultados y los resultados nos permiten tomar decisiones Por ejemplo, en un partido de fútbol si se lanza una moneda y sale cara parte la visita, de lo contrario parte
Más detalles2. VARIABLE ALEATORIA. Estadística I Dr. Francisco Rabadán Pérez
2. VARIABLE ALEATORIA Estadística I Dr. Francisco Rabadán Pérez Índice 1. Variable Aleatoria 2. Función de Distribución 3. Variable Aleatoria Discreta 4. Variable Aleatoria Continua 5. Esperanza Matemática
Más detallesHoja 4 Variables aleatorias multidimensionales
Hoja 4 Variables aleatorias multidimensionales 1.- Estudiar si F (x, y) = 1, si x + 2y 1, 0, si x + 2y < 1, es una función de distribución en IR 2. 2.- Dada la variable aleatoria 2-dimensional (X, Y )
Más detallesDefinición 4.1 Diremos que una variable aleatoria discreta X tiene una distribución Uniforme de parámetro N, N 1, si. rg(x) = {1, 2,...
Índice 4 MODELOS DE DISTRIBUCIONES 4.1 4.1 Introducción.......................................... 4.1 4.2 Modelos de distribuciones discretas............................. 4.1 4.2.1 Distribución Uniforme
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 detalles5 Variables aleatorias contínuas
5 Variables aleatorias contínuas Una variable aleatoria continua puede tomar cualquier valor en un intervalo de números reales.. Función de densidad. La función de densidad de una variable aleatoria continua
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 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 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 detallesProbabilidad. La Probabilidad es una medida de la incertidumbre
Probabilidad La Probabilidad es una medida de la incertidumbre La incertidumbre que mide es la asociada a la eventual ocurrencia de sucesos inciertos. Toda medida requiere de un patrón de referencia que
Más detallesDefinición: 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 detallesLECTURA 03: DISTRIBUCIÓN T STUDENT Y DISTRIBUCIÓN CHICUADRADO TEMA 6: DISTRIBUCION T STUDENT. MANEJO DE TABLAS ESTADISTICAS.
LECTURA 3: DISTRIBUCIÓN T STUDENT Y DISTRIBUCIÓN CHICUADRADO TEMA 6: DISTRIBUCION T STUDENT MANEJO DE TABLAS ESTADISTICAS 1 INTRODUCCION Se dice que una variable aleatoria T tiene una distribución t de
Más detallesModelado de la aleatoriedad: Distribuciones
Modelado de la aleatoriedad: Distribuciones Begoña Vitoriano Villanueva Bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid I. Distribuciones Discretas Bernoulli (p) Aplicaciones:
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 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 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 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 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 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 detallesDistribuciones habituales
Distribuciones habituales Tema 5 Eponencial Ignacio Cascos Depto. Estadística, Univerdad Carlos III 1 Ignacio Cascos Depto. Estadística, Univerdad Carlos III 2 Objetivos Adquirir soltura con el manejo
Más detalles