GRADO de TELECOMUNICACIONES
|
|
- Vicenta Moya Agüero
- hace 6 años
- Vistas:
Transcripción
1 GRADO de TELECOMUNICACIONES ESTADISTICA PRACTICA 2. PROBABILIDAD Y VARIABLES ALEATORIAS OBJETIVOS: Introducción a la probabilidad y a las variables aleatorias 1. Probabilidad 1. Simular 1000 lanzamientos de una moneda cuya probabilidad de obtener cara (codificada como 1) es de 0,4 y la de obtener cruz (codificada como 0) es de 0,6. Cómo se podría ver que la simulación está funcionando según lo esperado? >> n=1000; p=0.4; >> u=rand(n,1); >> m=1*(u<=p)+0*(u>p); >> mean(m) % aprox Simular 10 lanzamientos de una moneda cuya probabilidad de obtener cara (codificada como 1) es de 0,4 y la de obtener cruz (codificada como 0) es de 0,6 y localizar en un vector los lanzamientos que son cara. >> n=10; p=0.4; >> u=rand(n,1); >> m=1*(u<=p)+0*(u>p); >> lanza=(1:n) >> data=[lanza m]; >> donde=data(find(data(:,2)==1)) 3. La probabilidad de lluvia en un día es de p = 0,5. Indicar el código MATLAB/Octave para saber cuál es la probabilidad de que llueva el fin de semana (asumiendo independencia de lluvia entre días) Compararla con la teórica. Sea A el suceso llueve en sábado y B el suceso llueve en domingo, y la probabilidad de lluvia P (A) = P (B) = 0,5. Por tanto, la probabilidad de que llueva el fin de semana es: P (A B) = P (A) + P (B) P (A B) = 0,5 + 0,5 0,5 0,5 = 0,75 Grado de Telecomunicaciones - Estadistica ( ), PRACTICA 2. PROBABILIDAD Y V.A s 1
2 % mediante simulacion: >> u=rand(10000,2) ; % simulamos 2 columnas (sábado y domingo) >> x=(u<=p); % si u<=p, toma valor 1 y 0 en caso contrario >> w=(x(:,1)==1 x(:,2)==1); % si llueve el sábado % domingo o ambos, w=1 y w=0 en caso % contrario >> prob = sum(w)/10000; % aprox Indicar el código MATLAB para calcular la fiabilidad de un sistema de 5 componentes en serie cuya probabilidad de fallo es de 0.05 para cada uno de ellos y donde se supone que los fallos se producen de forma independiente entre sí. Compararla con la fiabilidad teórica. Sea p = 1 0,05 la probabilidad de que cada componente no falle, la probabilidad teórica es p 5 = 0,7738. % mediante simulación: >> u=rand(1000,5); >> x=(u<=p); >> w=(x(:,1)==1 & x(:,2)==1 & x(:,3)==1 & x(:,4)==1 & x(:,5)==1); >> prob=sum(w)/1000; % aprox La empresa Aikon tiene una planta de fabricación de teléfonos móviles. Se sabe que el 30 % de los teléfonos fabricados en dicha planta son defectuosos. Si un teléfono es defectuoso, la probabilidad de que un robot del Departamento de Calidad de la empresa lo detecte es 0, 9 y si no es defectuoso, la probabilidad de que el robot lo considere defectuoso y lo saque de producción es de 0, 2. Si un cliente compra dos teléfonos que no han sido sacados de la cadena de producción, cuál es la probabilidad de que sean ambos no defectuosos? Grado de Telecomunicaciones - Estadistica ( ), PRACTICA 2. PROBABILIDAD Y V.A s 2
3 La solución teórica es la siguiente: Sean los sucesos A = ser defectuoso, Ā = no ser defectuoso, R = el robot dice que es defectuoso, y R = el robot dice que no es defectuoso. Los datos del problema nos dice que: P (A) = 0,3, P (R A) = 0,9 y que P (R Ā) = 0,2, por lo que P (Ā) = 1 P (A) = 0,7, P ( R A) = 0,1 y P ( R Ā) = 0,8. Se tiene por tanto que la probabilidad de que un teléfono que no haya sido sacado de la cadena de producción sea no defectuoso es: P (Ā R) = P ( R Ā)P (Ā) P ( R) = P ( R Ā)P (Ā) P ( R Ā)P (Ā) + P ( R A)P (A) = 0,949 Y por tanto, que dos lo sean es 0, 949 0, 949 = 0, En MATLAB, podemos calcular la probabilidad, sin necesidad de aplicar el teorema de Bayes. Mediante simulación y a partir de las probabilidades dadas en el problema: 1. Simulamos la fabricación de n móviles (por ej: n = 10000). Sabiendo que el 30 % son defectuosos (el 70 % no son defectuosos). >> n=10000; >> n_def=0.3*n; % n o de defectuosos >> n_no_def=0.7*n; % n o de no defectuosos 2. Crearemos el vector M, formado por los vectores DEF, y NDEF, que toma valor 1 si el móvil fabricado es defectuoso y 0 si no lo es. >> DEF = repmat(1,n_def,1) ; >> NDEF = repmat(0,n_no_def,1) ; >> M = [DEF ; NDEF]; 3. Generamos números aleatorios mediante el comando rand, de tamaño n_def y n_no_def. >> u_def=rand(n_def,1); >> u_no_def=rand(n_no_def,1); 4. Mediante la condición booleana, y con las probabilidades P (R A) = 0,9 y P (R Ā) = 0,2, generamos un vector R, que indica que el Robot detecta que el móvil es defectouso y en efecto lo es (1) y toma valor 0 si lo detecta cuando no lo es. >> R_DEF = 1*(u_def<=0.9) + 0*(u_def>0.9); >> R_NDEF = 1*(u_no_def<=0.2) + 0*(u_no_def>0.2); >> R =[ R_DEF ; R_NDEF ]; Grado de Telecomunicaciones - Estadistica ( ), PRACTICA 2. PROBABILIDAD Y V.A s 3
4 5. Finalmente creamos un matriz datos, que contiene en la primera columna el vector M y en la segunda el vector R. Por tanto la probabilidad P (Ā R), se puede aproximar contando las veces que R=0 y M=1, para ello utilizamos en comando find. >> datos = [ M R ]; >> AIKON = datos(find(datos(:,2)==0)); % finalmente con tabulate >> tabulate(aikon) Value Count Percent % % Obtenemos P (Ā R) 0, 949, en nuestro caso hemos obtenido Grado de Telecomunicaciones - Estadistica ( ), PRACTICA 2. PROBABILIDAD Y V.A s 4
5 2. Variables aleatorias 2.1. Funciones preliminares útiles La siguienta tabla resume algunas de las funciones más importantes para la generación de números aleatorios en MATLAB/Octave: Función Descripción Sintaxis rand n. aleatorios [0, 1] rand(m,n) unifrnd n. aleatorios [a, b] unifrnd(a,b,m,n) unidrnd n. aleatorios discretos {1, 2,..., N} unidrnd(n,m,n) donde m y n, son respectivamente en nâo de filas y columnas a generar. Ejemplos: 1. Genera 100 datos de la distribución uniforme contínua U(0, 1). >> x=rand(100,1) % ó x=unifrnd(0,1,100,1) 2. Genera con MATLAB/Octave, 5 lanzamientos de un dado. >> x=unidrnd(6,5,1) % generamos los 5 lanzamientos % a partir de una unif. discreta entre 1 y 6 % otra manera: >> u=rand(6,1) >> x=floor(6*u+1) 3. Genera con MATLAB/Octave, 5 lanzamientos de 3 dados. >> x=unidrnd(6,5,3) % generamos los 5 lanzamientos de los 3 dados % a partir de una uniforme discreta entre 1 y 6 % otra manera: >> u=rand(5,3) >> x=floor(6*u+1) 2.2. Generación de variables aleatorias 1. Supongamos el experimento del lanzamiento de dos monedas. Sea X, la variable aleatoria número de cruces. Determina con MATLAB/Octave la función de probabilidad de X. Grado de Telecomunicaciones - Estadistica ( ), PRACTICA 2. PROBABILIDAD Y V.A s 5
6 >> n=10000; >> u1=rand(n,1); >> u2=rand(n,1); >> m1=1*(u1<=1/2)+0*(u1>1/2); % generamos los n lanzamientos de las >> m2=1*(u2<=1/2)+0*(u2>1/2); % monedas 1 y 2, con probabilidad % 1/2 de cruz (=1) y de cara (=0) >> x=m1+m2; % x es la suma de las cruces de ambas monedas >> tabulate(x) % con tabulate, obtenemos la tabla de frecuencias % absoluta y relativa Value Count Percent % % % De este modo hemos aproximado la función de probabilidad teórica: p(x) = P (X = x) >> tab=tabulate(x) % guardamos la tabla en una matriz tab >> bar(tab(:,3)) % representamos el diagrama de barras de las % frecuencias relativas X p(x) 0 1/4 1 1/2 2 1/ Dada la variable aleatoria X, del ejercicio anterior, comprueba los valores teóricos E[X] y Var[X]. Grado de Telecomunicaciones - Estadistica ( ), PRACTICA 2. PROBABILIDAD Y V.A s 6
7 La esperanza de X es: µ = E[X] = n x i P (X = x i ) = = 1 i=1 Y la varianza: σ 2 = Var[X] = n (x i µ) 2 P (X = x i ) i=1 Recuerda: En MATLAB podemos comprobar que: = (0 1) (2 1)2 1 2 = 1 2 Var[X] = E[X 2 ] (E[X]) 2 >> mean(x) % es aproximadamente 1 >> var(x) % es aproximadamente El método de la inversa 1 de la función de distribución, F X (x), afirma que si una variable aleatoria X tiene una función de distribución F X (x) que admite inversa, entonces se verifica que la variable transformada U = F X (X) sigue siempre una distribución uniforme continua U. Este resultado se aplica en la vida real considerando la igualdad u = F X (x) y despejando x en función de u, que vendrá dado por x = F 1 X (u), con lo que si se genera u U(0, 1) se tiene que x = F 1 X (u) sigue la distribución de X. Para generar u U con MATLAB/Octave podemos utilizar rand ó unifrnd. a) Sea X una variable aleatoria con función de distribución F X (x), dada por: { 0 x < 0 F X (x) = 1 e 2x 0 x Cómo simularías valores de la v.a. X? b) Comprueba con MATLAB/Octave los valores de E[X] y de Var[X]. 1 Para más detalles: link Grado de Telecomunicaciones - Estadistica ( ), PRACTICA 2. PROBABILIDAD Y V.A s 7
8 a) Por el método de la inversa tenemos que considerando la igualdad u = F X (x), tenemos que para 0 x, se verifica que: 1 e 2x = u 1 u = e 2x 1 log(1 u) = x 2 Con lo que si generamos u U(0, 1), obtendremos que x f(x). El pseudocódigo sería: 1: Fijar n = 100 2: Generar n datos u U(0, 1) 3: Aplicar transformación inversa (x = 1 2 4: Tenemos que x f(x) log(1 u)) En MATLAB, sobre el Command Window: >> n=100000; >> u=rand(n,1); >> x = (-1/2)*log(1-u); >> hist(x) NOTA: El método de la inversa permite simular variables aleatorias de manera sencilla a partir de v.a. s uniformes. En este ejercicio se han simulado v.a. s Exponenciales de parámetro λ = 2. b) Dada la función de distribución de X, F X (x), podemos obtener la función de densidad f(x), sabiendo que f(x) = df X(x) dx y por tanto: { 2e 2x x 0 f(x) = 0 en otro caso µ = E[X] = σ 2 = Var[X] = xf(x)dx = 1 2 (x µ) 2 f(x)dx = ( x 1 ) 2 f(x)dx = Grado de Telecomunicaciones - Estadistica ( ), PRACTICA 2. PROBABILIDAD Y V.A s 8
9 >> mean(x) % es aprox. 0.5 >> var(x) % es aprox NOTA: como se indicó en el apartado anterior, X Exp(λ = 2), donde E[X] = 1/λ y Var[X] = 1/λ Decir si es verdadera o falsa la siguiente afirmación. En caso de que sea verdadera demostrarlo y en caso de que sea falsa dar un contraejemplo o su valor correcto: El código en MATLAB/Octave para generar 100 valores de una v.a Gompertz generalizada con función de distribución { 1 exp ( exp (x)) 0 < x F (x) = 0 resto es >> x=rand(100,1); >> g=-log(1-x); % log es logaritmo neperiano Es falsa. Para generar una v.a. continua cuya función de distribución admita inversa, se considera F (x) = u con u U (0, 1) y se despeja la x. Por lo que Por tanto el código en MATLAB sería: >> u=rand(1000,1); >> x=log(-log(1-u)); F (x) = 1 exp ( exp (x)) = u 1 u = exp ( exp (x)) ln (1 u) = exp (x) x = ln ( ln (1 u)) Grado de Telecomunicaciones - Estadistica ( ), PRACTICA 2. PROBABILIDAD Y V.A s 9
10 Ejercicios para entregar Probabilidad Ejercicio 1 (2.5 puntos) Dado el circuito de la figura, formado por los componentes A, B y C, que funcionan de manera independiente: B A C a) Calcula mediante simulación con MATLAB/Octave, la probabilidad de que el sistema funcione, suponiendo que P (A) = P (B) = P (C) = 0,8. A qué valor teórico se aproximará la solución mediante la simulación? Justifica tu respuesta. b) Calcula mediante simulación con MATLAB/Octave, la probabilidad de que el sistema funcione, suponiendo que P (A) = 0,08, P (B) = 0,3 y P (C) = 0,1. A qué valor teórico se aproximará la solución mediante la simulación? Justifica tu respuesta. Variables aleatorias Ejercicio 2 (2.5 puntos) Sea p = P (S = s) una función de probabilidad definida para el espacio de sucesos S = {1, 2, 3, 4, 5} con las siguientes probabilidades S p a) Genera en MATLAB/Octave dos variables aleatorias independientes (x1 y x2) con función de probabilidad p. Qué valores aproximados deberían dar la media y la varianza de x1 y x2? b) Calcula mediante simulación en MATLAB/Octave la probabilidad P (X 1 = X 2 ). A qué resultado teórico se aproximado deberá parecerse el resultado obtenido? Justifica tu respuesta. c) Comprueba mediante una tabla de frecuencias y gráficamente mediante un diagrama de barras que la generación de X 1 y X 2 es correcta. Explica los resultados obtenidos. Ejercicio 3 (2.5 puntos) Utiliza el método de la transformación inversa de la función de distribución para generar una variable aleatoria continua cuya función de densidad sea { 0 resto f(x) = 1 18 x 0 < x < 6 Grado de Telecomunicaciones - Estadistica ( ), PRACTICA 2. PROBABILIDAD Y V.A s 10
11 a) Determina analíticamente la función de distribución F X (x). b) Escribe el PSEUDOCÓDIGO para generar números aleatorios de la variable aleatoria X. c) Escribe el código MATLAB/Octave que genera las variables aleatorias de X mediante el método de la transformación inversa. d) Calcula analíticamente E[X] y Var[X]. Cómo se podría comprobar que se ha generado de forma correcta la v.a. X en el apartado anterior? Ejercicio 4 (2.5 puntos) Sea X una variable aleatoria cuya función de densidad f (x) viene dada por { ( γx exp γ f(x) = 2 x2) x > 0 0 resto a) Cómo generarías la variable aleatoria X? Justifica tu respuesta. b) Indica el código de MATLAB/Octave para generar n valores X con γ = 0, 15. Justifica tu respuesta. c) Sabiendo que la variable aleatoria anterior tiene media y varianza dadas por µ = E [X] = π 2γ y σ 2 = Var [X] = 4 π 2γ Cómo se podría comprobar que se ha generado de forma correcta la v.a. X en el apartado anterior? Grado de Telecomunicaciones - Estadistica ( ), PRACTICA 2. PROBABILIDAD Y V.A s 11
Distribuciones 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 detallesGeneración de variables aleatorias continuas Método de rechazo
Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa
Más detallesVARIABLES 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 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 detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
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 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 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesVariable Aleatoria. Relación de problemas 6
Relación de problemas 6 Variable Aleatoria. Consideremos el experimento aleatorio consistente en lanzar dos dados equilibrados y observar el número máximo de los dos números obtenidos en ellos. Si X es
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesEjercicios de Vectores Aleatorios
Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO MAGISTRAL GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES Otros M2 Calcular la función de densidad conjunta y las marginales
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 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 detallesProbabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
Más detallesDistribuciones de probabilidad bidimensionales o conjuntas
Distribuciones de probabilidad bidimensionales o conjuntas Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma semejante al caso unidimensional. Para el caso
Más detalles5 DISTRIBUCIONES BINOMIAL Y DE POISSON
5 DISTRIBUCIONES BINOMIAL Y DE POISSON La repetición sucesiva de n pruebas (ensayos) de BERNOUILLI de modo independiente y manteniendo constante la probabilidad de éxito p da lugar a la variable aleatoria
Más detallesPRÁCTICAS DE ESTADÍSTICA CON R
PRÁCTICAS DE ESTADÍSTICA CON R PRÁCTICA 3: DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Y CONTINUAS 3.1 Distribuciones discretas Las principales ideas que vamos a ir desarrollando a lo largo de la primera
Más detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UC3M Transformaciones de variables aleatorias Ejercicio. Sea X una v.a. continua con función de densidad dada por: /, si
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesMétodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................
Más detallesCálculo de Probabilidades II Preguntas Tema 1
Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga
Más 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 detallesTema 4. Probabilidad Condicionada
Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
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 detallesCapítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
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 detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesPrueba Integral Lapso /6
Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,
Más detallesSimulación. Problema del jardinero. Modelo de stock aleatorio. Camino crítico.
Simulación Temario de la clase Introducción. Generacion de variables aleatorias: método de la transformada inversa. Avance del tiempo de simulación. Determinación de la cantidad de iteraciones requeridas.
Más detalles5. TEOREMA FUNDAMENTAL: Formulación y Demostración. Jorge Eduardo Ortiz Triviño
5. TEOREMA FUNDAMENTAL: Formulación y Demostración Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ 1 CONTENIDO 1. INTRODUCCIÓN 2. VARIABLES ALEATORIAS 3. TEOREMA
Más detallesTema 4. MODELOS DE DISTRIBUCIONES DISCRETOS.
Estadística Tema 4 Curso /7 Tema 4. MODELOS DE DISTRIBUCIONES DISCRETOS. Objetivos Conceptos: Conocer los siguientes modelos discretos de probabilidad: uniforme, binomial, geométrico y Poisson. De cada
Más detallesPROBABILIDAD 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 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 detallesJUEGO 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 detalles2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria
2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesPráctica 4: Variables Aleatorias y Simulación
Práctica 4: Variables Aleatorias y Simulación Objetivos específicos Al finalizar esta práctica deberás ser capaz de: Calcular las funciones de probabilidad y distribución de las variables discretas Bernoulli,
Más detallesJUNIO Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: A
Bloque A JUNIO 2003 1.- Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: 1 0 A = 1 0 A Cuántas matrices A existen con esa condición? Razona tu respuesta.
Más detallesTEMA 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 detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesDiscretas. 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 detallesVariables Aleatorias. Introducción
Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,
Más detallesX = beneficio del jugador = (ganancia neta) (recursos invertidos) Cuántos euros debo poner yo para que el juego sea justo?
Ejemplo: el valor esperado y los juegos justos. En los juegos de azar es importante la variable aleatoria X = beneficio del jugador = (ganancia neta) (recursos invertidos) El juego consiste en una caja
Más detallesObjetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria
Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza
Más detallesJUNIO Bloque A
Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.
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 detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detallesJUNIO Opción A
Junio 010 (Prueba Específica) JUNIO 010 Opción A 1.- Discute y resuelve según los distintos valores del parámetro a el siguiente sistema de ecuaciones: a x + a y + az 1 x + a y + z 0.- Una panadería se
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD
Opción A xcos(x)+b sen(x) Ejercicio 1.- [2 5 puntos] Sabiendo que lím x 0 x 3 es finito, calcula b y el valor del límite. Ejercicio 2.- Sean f : R R y g : R R las funciones definidas mediante f(x) = x(x
Más detalles1.1. Distribución exponencial. Definición y propiedades
CONTENIDOS 1.1. Distribución exponencial. Definición y propiedades 1.2. Procesos de conteo 1.3. Procesos de Poisson - Tiempos de espera y entre llegadas - Partición y mezcla de un proceso de Poisson -
Más detallesProbabilidad, Variables aleatorias y Distribuciones
Prueba de evaluación continua Grupo D 7-XII-.- Se sabe que el 90% de los fumadores llegaron a padecer cáncer de pulmón, mientras que entre los no fumadores la proporción de los que sufrieron de cáncer
Más detallesUnidad 1: Espacio de Probabilidad
Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar
Más detallesModelos Estocásticos I Tercer Examen Parcial Respuestas
Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesPROBABILIDAD. Es el conjunto de todos los resultados posibles de un experimento aleatorio. Por ejemplo: Experimento: tirar un dado.
1 PROBABILIDAD EXPERIMENTOS Al fijar las condiciones iniciales para un experimento se da lugar a dos tipos de situaciones: a) Experimentos determinísticos: se conoce el resultado. Por ejemplo: si suelto
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 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 detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
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 detallesGeneración de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Generación de Variables Aleatorias UCR ECCI CI-453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción Las variables aleatorias se representan por medio de distribuciones
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
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 detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesTema 2: Magnitudes aleatorias
Facultad de Economía y Empresa 1 Prácticas Tema.- Magnitudes aleatorias Tema : Magnitudes aleatorias DEMANDA La demanda de cierto artículo es una variable aleatoria con la siguiente distribución: Número
Más detallesIES Fco Ayala de Granada Junio de 2012 (Común Modelo 4) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Junio de 01 (Común Modelo 4) Soluciones Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo Junio 01 común Sea f : R R la función definida como f(x) = e x.(x ). [1 punto]
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
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 detallesTeorema de Bayes. mientras que B tiene una tasa de defectos del 4%.
Teorema de Bayes Ejemplo: En una empresa manufacturera, una máquina A produce el 60% de la producción total, mientras que una máquina B el restante 40%. 71 El 2% de las unidades producidas por A son defectuosas,
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 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesPROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M.
PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES Prof. Johnny Montenegro 1 M. PROBABILIDADES 2 Una variable es aleatoria si toma los valores de los resultados de un experimento aleatorio. Esta
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesIntroducción a la Probabilidad
Introducción a la Probabilidad Tema 3 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Entender el concepto de experimento
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesDistribuciones de probabilidad con la calculadora científica Classwiz FX-570/991 SP XII
Distribuciones de probabilidad con la calculadora científica Classwiz FX-570/99 SP XII José Mª Chacón Íñigo IES Llanes, Sevilla Te explicamos como realizar la operación de distribución de probabilidad
Más detallesTEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL
ESTADÍSTICA II TEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL II.1.- Distribución chi-cuadrado. II.1.1.- Definición. II.1..- Función de densidad. Representación gráfica. II.1.3.- Media y varianza.
Más detallesIntroducción al Tema 9
Tema 2. Análisis de datos univariantes. Tema 3. Análisis de datos bivariantes. Tema 4. Correlación y regresión. Tema 5. Series temporales y números índice. Introducción al Tema 9 Descripción de variables
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 detallesCONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos.
CAPÍTULO IV. CONTINUIDAD DE FUNCIONES SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. 121 A. DEFINICIÓN DE FUNCIÓN CONTINUA. Una función
Más detallesGrupo 23 Semestre Segundo examen parcial
Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesUnidad Temática 2 Probabilidad
Unidad Temática 2 Probabilidad Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una F si la rechaza. 1. El experimento que consiste
Más detallesDistribuciones 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 detalleses el lugar geométrico de los puntos p tales que p 0 p n o p 0 p o. p x ; y ; z perteneciente a y un vector no
El Plano y la Recta en el Espacio Matemática 4º Año Cód. 145-15 P r o f. M a r í a d e l L u j á n M a r t í n e z P r o f. J u a n C a r l o s B u e P r o f. M i r t a R o s i t o P r o f. V e r ó n i
Más detallesTema 4: Variables aleatorias multidimensionales
1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica
Más detallesPropiedades en una muestra aleatoria
Capítulo 5 Propiedades en una muestra aleatoria 5.1. Conceptos básicos sobre muestras aleatorias Definición 5.1.1 X 1,, X n son llamadas una muestra aleatoria de tamaño n de una población f(x) si son variables
Más detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesÁlgebra Lineal VII: Independencia Lineal.
Álgebra Lineal VII: Independencia Lineal José María Rico Martínez Departamento de Ingeniería Mecánica División de Ingenierías, Campus Irapuato-Salamanca Universidad de Guanajuato email: jrico@salamancaugtomx
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más detallesTema 8. Muestreo. Indice
Tema 8. Muestreo Indice 1. Población y muestra.... 2 2. Tipos de muestreos.... 3 3. Distribución muestral de las medias.... 4 4. Distribución muestral de las proporciones.... 6 Apuntes realizados por José
Más detallesINSTRUCCIONES GENERALES Y VALORACIÓN OPCIÓN A
INSTRUCCIONES GENERALES Y VALORACIÓN Instrucciones: El examen presenta dos opciones A y B; el alumno deberá elegir una y sólo una de ellas, y resolver los cuatro ejercicios de que consta. No se permite
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesUnidad II: Fundamentos de la teoría de probabilidad
Unidad II: Fundamentos de la teoría de probabilidad 2.1 Teoría elemental de probabilidad El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que se denominan aleatorios, cuya característica
Más detallesMATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO DE EXAMEN CURSO 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
Más detallesF (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0
Probabilidades y Estadística (M) Práctica 5 1 o cuatrimestre 2014 Vectores aleatorios 1. a) Demostrar que la función F (x, y) = 1 e x y si x 0, y 0 0 en caso contrario no es la función de distribución
Más detallesUnidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.
Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,
Más detalles