x f(x) 0,1C 0,2C 0,6C 0,5C 0,4C 0,2C
|
|
- Yolanda Gallego Araya
- hace 6 años
- Vistas:
Transcripción
1 Universidad Técnica Federico Santa María Departamento de Informática Contenidos Estadística Computacional Guía Nº3 14 de Mayo de 2003 Profesor: Dr. Héctor Allende Olivares Ayudantes: Carlos Becerra Castro Ricardo Ñanculef Alegría Variables Aleatorias Unidimensionales Momentos de una Variable Aleatoria Distribuciones Discretas Distribuciones Continuas Función Característica y Generadora de Momentos 1. Considere una variable aleatoria X con resultados posibles: 0,1,2... Supongamos que P X = j = 1 a a j, j=1,2,3... a. Para qué valores de a es significativo el modelo anterior? b. Verificar que lo anterior representa una distribución de probabilidades legítima. c. Mostrar que para dos enteros positivos cualesquiera s y t P X s t X s =P X t 2. Suponga que X es una variable aleatoria discreta con función de cuantía: x f(x) 0,1C 0,2C 0,6C 0,5C 0,4C 0,2C a. Determine C para que X sea una distribución de probabilidad b. Obtenga: P X 1, P 2 X 1, P X 2 X 0 c. Calcule la esperanza de X y el segundo momento central de X. 3. De un lote que tiene 25 artículos, 5 de los cuales son defectuosos, se eligen 4 al azar. Sea X el número de artículos defectuosos encontrados. Obtener la distribución de probabilidades de X si a. Los artículos se escogen con sustitución, i.e., antes de elegir el siguiente artículo se regresa el artículo recién evaluado al conjunto de artículos totales. b. Los artículos se contienen sin sustitución. c. Compare los resultados anteriores. Qué ocurre si el número de artículos se hace infinito? d. En ambos casos, calcule la probabilidad de tener al menos 20 defectuosos, a lo más 2 defectuosos, exactamente 2 defectuosos y todos los artículos defectuosos.
2 4. Suponga que la máquina1 produce diaramente el doble de artículos que la máquina2. Sin embargo, cerca del 4% de los artículos de la máquina1 tiende a ser defectuosos, mientras que la máquina2 produce cerca sólo alrededor de 2% defectuosos. Supongamos que se combina la producción diaria de ambas máquinas. Se toma una muestra aleatoria de 10 del resultado combinado. Cuál es la probabilidad de que esta muestra contenga 2 defectuosos? 5. Se lanza una serie de cohetes hasta que el primer lanzamiento exitoso tiene lugar. Si esto no ocurre en 5 ensayos, el experimento se detiene y se inspecciona el equipo. Supónga que hay una probabilidad constante de 0,8 de tener un lanzamiento exitoso y que los ensayos sucesivos son independientes. Además el costo del primer lanzamiento es K, mientras que los lanzamientos siguientes cuestan K/3. Cada vez que hay un lanzamiento exitoso, se obtiene cierta cantidad de información que puede expresarse como una ganancia de C. Si T es el costo total del experimento, encontrar la distribución de probabilidades de T. 6. La variable aleatoria continua X, tiene fdp f x = x/2, 0 X 2. Se hacen dos determinaciones independientes de X. Cuál es la probabilidad de que ambas determinaciones sena mayores que uno?. Si se han hecho tres determinaciones independientes, Cuál es la probabilidad de quee exactamente dos sean mayores que uno? 7. En una fábrica de respuestos, alrededor de 4% de los artículos producidos resultan defectuosos. La compañía distribuye los repuestos en cajas de 50 unidades, pero para evitar reclamos ha decidido agregar unidades extras a cada caja, de manera que al menos el 90% del cargamento total entregado contenga 50 unidades en buen estado. Cuántas unidades debe agregara cada caja?. Una estrategia alternativa es garantizar al cliente la reposición de los artículos fallados. El costo de agregar una unidad a cada caja es C, mientras que el costo de reponer el artículo es K. Bajo qué condiciones le conviene a la fábrica adoptar la estrategia de reponer los artículos fallados?. Si la empresa decide adoptar una estrategia mixta, Cuántas unidades debe incorporar a cada caja para minimizar los costos?. 8. Ronaldo tiene un promedio de 0,45 goles por disparos al arco en la temporada. Jorge apuesta a Juan que Ronaldo obtendrá por lo menos 2 goles durante los próximos 5 disparos al arco. a. Juan debería aceptar la apuesta? b. Juan propone a Jorge apostar a que Ronaldo no hace más de 2 goles en los próximos 5 tiros al arco. Debería Jorge aceptar la apuesta? c. Juan decide aceptar la primera apuesta, pero llegando al siguiente arreglo. Todas las veces que Jorge gane Juan le pagará X, mientras que si Jorge pierde deberá pagar Y. Qué proporción de X e Y equilibrará los retornos en el tiempo? Qué porporción favorece a Juan en le tiempo?. 9. El número de buques tanques (digamos N) que llegan cada día a cierta refinería tiene una distribución de Poisson con parámetro 2. Las actuales instalciones portuarias pueden despachar tres buques al día. Si más de tres buques tanques llegan en un día, los que están en exceso deben enviarse a otro puerto. a. En un día determinado, Cuál es la probabilidad de tener que hacer salir buques tanques? b. En cuánto debe aumentarse las instalaciones actuales mpara permitir mla atención a todos los buques tanques qproximadamente el 90% de los días? c. Cuál es el número esperado de buques tanques que llegan al día? d. Cuál es el número más probable de buques tanques que llegan diaramente? e. Cuál es el número esperado de buques tanques atendidos diaramente? f. Cuál es el número esperado de buques tanques devueltos diaramente?
3 10.Supóngase que una fuente radiactiva emite partículas y que el número de tales partículas emitidas durante el período de una hora tiene una distribución de Poisson con parámetro. Se emplea un instrumento para contar y para anotar el númnero de las partículas emitidas. Si más de 30 partículas llegan durante cualquier período de una hora, el instrumento para anotar es incapaz de controlar el exceso y simplemente anota 30. Si Y es el número de partículas anotadas por el instrumento que cuenta, obtenga la distribución de probabilidades de Y. 11.La probabilidad de un lanzamiento exitoso es igual a 0.8. Supongamos que se hacen ensayos de lanzamientos hasta que han ocurrido 3 lanzamientos exitosos. Cuál es la probabilidad de que sena necesarios 6 intentos? Cuál es la probabilidad de que sena necesarios menos de 6 intentos? 12.Suponiendo que la duración de un tubo de radio es una variable aleatoria continua X con fdp f x =100/x 2, x 100 y 0 para cualquier otro valor. a. Cuál es la probabilidad de que el tubo dure menos de 200 horas si se sabe que el tubo toidavía funciona después de 150 horas de servicio? b. Cuál es la probabilidad de que si se instalan 3 de tales tubos en un conjunto, excatamente uno no tenga que ser substituído después de 150 horas de servicio? c. Cuál es el número máximo de tubos que pueden ponerse en un conjunto de modo que haya una probabilidad 0.5 de que después de 150 horas de servicio todos ellos todavía funcionen?. 13.Demuestre que una variable aleatoria binomial una variable aleatoria de Poisson, X ~ Poi np. X ~ B n, p converge asintóticamente a 14.Un experimento consta de n ensayos independientes. Se puede suponer que debido al aprendizaje, la probabilidad de obtener un resultado exitoso aumenta con el número de ensayos realizados. Específicamente, la probabilidad de éxito en la iésima repetición es i 1 / i 2, i=1,2... n. a. Cuál es la probabilidad de tener tres resultados exitosos a lo menos en ocho repeticiones? b. Cuál es la probabilidad de que el primer resultado exitoso ocurra en la octava repetición? 15.Describa el significado o la interpretación de la siguientes variables aleatorias discretas: Bernoulli, Binomial, Geométrica, Hipergeométrica, Binomial Negativa y de Poisson. Qué relaciones puede establecer? Señale ejemplos de cada una de ellas. Calcule sus momentos más importantes. 16.Se dice que una variable aleatoria tiene una distribución de Weibull si su función de densidad es: f x, á, â = á â x á 1 e [x/ â]á I á R x a) Calcule F x, á, â b) Calcule el cuartil X V, con 0 < v < 1 c) Calcule E [ x] directamente y usando la función generadora de momentos. d) Calcule V [ x] directamente y usando la función generadora de momentos.
4 17.Supónga que la probabilidad de toparse con un compañero conocido en la Universidad al atravesar ésta desde Placeres hasta la Avenida España, se puede distribuir en forma uniforme durante los aproximadamente 400 metros de este recorrido. a) Plantee la f.d.p. y la distribución correspondiente al enunciado. b) Calcule la probabilidad de encontrarse con un compañero entre los 50 y 150 metros de la trayectoria. c) Calcule la probabilidad de encontrarse con un compañero en los primeros 100 metros o en los últimos 200 metros del recorrido. d) Si efectivamente se encuentra a un compañero en los últimos 200 metros, cuál es la probabilidad de que este evento haya ocurrido en los últimos 50 metros del recorrido? 18.Se sabe que en una población formada por 1000 dispositivos electrónicos, la resistencia a la humedad posee una distribución normal de media 100 y varianza = 16. Cuál es la probabilidad de que en una muestra sin reposición de tamaño 200 extraída de tal población, se encuentre un 85% de los dispositivos con resistencia a la humedad comprendida entre 96 y 108 unidades?. 19.El diámetro de un cable eléctrico es una variable aleatoria x con función de densidad f x = k x x 1 I [0,1] x a) Determine k. b) Calcule E [ x] y V [x]. c) Calcule P x 1/2 1/3 x 2/3. 20.Suponga que la variable aleatoria X tiene valores posibles 1,2,3... y que P X = r = k 1 r 1, 0 1. a. Determine la constante k. b. Encontrar la moda de la distribución. 21.Una empresa utiliza 106 ampolletas en sus instalaciones a lo largo del país. En la mañana del 1 de enero de 1994, la empresa pondrá en servicio 5000 ampolletas nuevas. Asumiendo que la duración en días sigue una Ley normal, y se sabe que el 2,87% de las ampolletas duran más de 69 días y un 15,87% de las ampolletas duran menos de 40 días. a. Cuántas ampolletas se espera reemplazar para la medianoche del 28 de febrero?. b. Si la empresa cambia de proveedor de ampolletas (nueva marca), pues ésta le asegura que sus ampolletas tienen un 10% más de duración, con sólo un 10% más de dispersión. Cómo varía la respuesta a?. c. Si las ampolletas de la nueva marca valen un 20% más que las antiguas. Conviene comprarlas? Justifique!. d. Si la empresa decide no cambiar de marca y las ampolletas tienen una garantía de 30 días. Cuántas ampolletas se espera devolver haciendo uso de la garantía?. Cuál es la probabilidad que el proveedor deba reponer más de 2 ampolletas en una caja que contiene 200 ampolletas?. 22.Suponga que el número de ocurrencias de un evento en un determinado intervalo de tiempo está regido por un ley de Poisson. Demuestre que el tiempo entre sucesos (variable aleatoria continua) tiene una distribución exponencial de parámetro igual a la densidad de ocurrencias del evento por unidad de tiempo.
5 23.Se especifica que el diámetro exterior de una flecha, llamésmolo D, debe ser de 4 pulgadas. Supóngase que D es un variable aleatoria distribuida normalmente con promedio de 4 pulgadas y varianza 0,001 pulgadas. Si el diámetro real se diferencia del valor especificado por más de 0,05 pulgadas pero en menos de 0,08 pulgadas, la pédida del fabricante es de $0,5. Si el diámetro real se diferencia del diámetro especificado en más de 0,08 pulgadas, la pérdida es de $1,0. La pérdida L puede considerarse una variable aleatoria. Encuentre la distrubución de probabilidades de y calcule su esperanza. 24.Supóganse que el número de accidentes en una fábrica se puede representar por un proceso de Poisson con un promedio de 2 accidentes por semana. a. Cuál es la probabilidad de que el tiempo entre un accidente y el otro sea mayor de 3 días? b. Cuál es la probabilidad de que el tiempo entre un accidente y el tercero sea mayor de una semana? c. Cuál es la probabilidad de que entre el segundo y el cuarto pasen más de 5 días si se sabe que entre el primero y el segundo pasaron más de 3 días? (Hint: Estudie el significado de la distribución gamma) 25.Un proceso de fabricación produce en promedio un artículo defectuoso entre 300 fabricados. Cuál es la probabilidad de que aparezca el tercer artículo defectuoso? a. antes de que sean producidos 1000 artículos. b. cuando se produce el 1000-ésimo artículo. c. después de que sea producido el 1000-ésimo artículo (Hint: Estudie el significado de la distribución gamma) 26.Supónga que la velocidad de un objeto tiene una distribución N(0,1). Sea energía cinética del objeto. Determine (uasndo una tabla de Chi-quadrado) K = mv 2 /2 la a. P [ K 5] b. P [2 3V [ X ] 4 E [ X ]] 27.Suponga que X esta distribuida uniformemente en (-1,1). Sea Y = 4 X 2. Encontrar la fdp de Y y dibujarla. Verifique que la nueva fdp es una ley de probabilidad válida. Calcule la esperanza y la varianza de la distribución. 28.Encuentre la distribución de R= A sin è, donde A es una constante fija y è es una variable aleatoria uniformemente distribuida en ð /2, ð /2. Calcule la esperanza y la varianza de la distribución. 29.La velocidad de una molécula en un gas uniforme en equilibrio es una variable aleatoria V cuya fdp está dada por f v = av 2 e bv2, v 0 en donde b= m/2 kt, k, T y m denotan la constante de Boltzman, la temperatura absoluta, y la masa de la molécula, respectivamente. a. Calcular la constante a. b. Derivar la distribución de la variable aleatoria W = mv 2 /2 que representa la energía cinética de la molécula.
6 c. Calcular los momentos de primer y segundo orden para ambas distribuciones. 30.Encuentre la densidad de probabilidad de Y = e x, donde x es una normal de parámetros ì, ó 2. En este caso se dice que Y tiene una distribución log-normal (Log Y tiene una distribución normal). Calcule la esperanza y varianza de la nueva variable. 31.Suponiendo que D, la demanda diaria de un artículo, es una variable aleatoria con la siguiente fdp P D= d =C2 d /d! a. Evaluar la constante C b. Calcular la demanda esperada. c. Suponer que un artículo se vende por 5. Un fabricante produce diaramente K artículos. Cualquier artículo que no se venda al término del día, debe descartarse con una pérdida de 3. Encontrar la distribución de probabilidades de la utilidad diaria, como una función de K. Cuáles artículos deberían fabricarse para maximizar la utilidad diaria esperada? 32.Sea X v.a.con distribución Í ì, ó 2. Consideremos la v.a. Y = áx â. Calcule: a. La nueva distribución que sigue Y, con sus respectivos parámetros. b. E[Y]. c. V[Y]. 33.Sea X v.a.con distribución  n, p. Calcule E[X]. y V[X] utilizando la función característica o la función generadora de momentos. Repita con las distribuciones geométrica, binomial negativa, poisson, exponencial y normal. 34.Sea X v.a. discreta con función generadora de momentos X t =e 2 et 1. Calcule: a. V[X] calculado directamente de X. b. V[X] calculado mediante la fgm. c. P [2 X 9] d. P [2 X 9 X 12] e. P [2 3V [ X ] 4 E [ X ]] 35.Sea X la v.a.c. cuya f.g.m. es: X t = 25 5 t 2 Sea la v.a.d. Y ~  n=100, p, donde p = P [0,35 X 0,45] Calcular la P [Y 15] 36.Sea X v.a. discreta con función generadora de momentos X t =e 2 et 1. Calcule: a. V[X] calculado directamente de X. b. V[X] calculado mediante la fgm. c. P [2 X 9] d. P [2 X 9 X 12] e. P [2 3V [ X ] 4 E [ X ]]
7 37.Usando la función generadora de momentos demostrar que la distribución de Poisson s reproductiva. 38.Usando la función generadora de momentos demostrar que si X e Y son variables aleatorias independientes con distribuciones N x, x 2 y N y, y 2 respectivamente, entonces Z= ax by está nuevamente distribuida normalmente, en donde a y b son constantes. 39.Supóngase que X 1,..., X 80 son variables aleatorias independientes, donde cada una tiene una distribución N(0,1). Calcular P [ X 1... X 80 ] Obtener la función generadora de momentos de una variable aleatoria con distribución geométrica. Posee esta distribución una propiedad reproductiva bajo la adición? 41.Cierto proceso industrial produce un gran número de cilindros de acero cuyas longitudes están distribuidas normalmente con promedios 3,25 pulgadas y desviación estándar 0,05 pulgadas. Si se eligen al azar dos de tales cilindros y se ponen extremo con extremo, cuál es la probabilidad de que la longitud combinada sea menor de 6,6 pulagadas? 42.En una mueblería, la fabricación de sillones sigue el siguiente tratamiento 1.Se selecciona y corta la madera necesaria; el tiempo requerido para esta etapa en general sigue una distribución exponencial negativa, cuyo ha sido en promedio medio día, con un tiempo mínimo de un día. 2.Luego viene una etapa de torneado, que en general sigue un comportamiento normal, donde el jefe de sección afirma que la probabilidad de que el torneado dure más de 3 días es de un 1,7%, mientras que la probabilidad de durar a lo más dos días es de 34,09%. 3.Finalmente el ensamblado y barnizado, podría durar, dependiendo básicamente del clima, en forma normal con una desviación histórica de 4 horas. Si además se sabe que la probabilidad de que se concluyera esta etapa en menos de 2 días es de un 16,60%. La firma Falabella ha pedido al jefe de ventas una partida de sillones, pero lo comprarán si logran tenerlos antes de 10 días. a) Si ud. fuera el jefe de ventas, aceptaría la venta?. Justifique claramente su respuesta. b) Si se le asignara una probabilidad del 95% a cada etapa, cuál es el tiempo máximo que debe demorarse? c) Cuál es la probabilidad de demorarse más del tiempo m aximo obtenido en b) para la fabricación completa?. (Suponga que la jornada diaria es de 8 horas) 43.En los últimos años se determinó que el coeficiente intelectual (I.C.) de los niños es bien modelado por una distribución normal. Se sabe que el 15% de los niños tiene I.C. bajo 90 y que el 2% tiene I.C. Sobre 135: a) Qué porcentaje de niños tiene I.C. entre 100 y 120? b) Si se seleccionan 100 niños y se les mide el I.C. Cuál es la probabilidad que 90 de estos niños tengan I.C. sobre 100? c) Cuál es la probabilidad de que sea necesario seleccionar 10 niños para tener 5 con I.C. sobre 100? d) Se determinó que el coeficiente intelectual de los animales es una variable aleatoria Y que puede serobtenida a partir del coeficiente intelectual en los niños mediante la siguiente transformación Y = X - 25, donde X es el I.C. de los niños. Determine la función de probabilidad de Y.
8 e) Se descubrió que el I.C. de las personas que vivieron hasta el año 1955 es una variable aleatoria W con f.g.m. W = e 130t t2 I.C. Sobre 135?. Cuál es la probabilidad que Einstein haya tenido un 44.Supóngase que los diámetros de los pernos de una caja grande siguen una distribución normal con una media de 2 centímetros y una desviación típica de 0,03 centímetros. Además, supóngase que los diámetros de los agujeros de las tuercas de otra caja grande siguen una distribución normal con una media de 2,02 centímetros y una desviación tópica de 0,04 centímetros. Un perno y una tuerca ajustarán si el diámetro del agujero de la tuerca es mayor que el diámetro del perno y la diferencia entre estos diámetros no es mayor que 0,05 centímetros. Si se seleccionan al azar un perno y una tuerca, Cuál es la probabilidad de que ajusten?
Tema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más 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 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 detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesSESION 12 LA DISTRIBUCIÓN BINOMIAL
SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:
Más detallesAlgunas Distribuciones Estadísticas Teóricas. c) Relación entre la Distribuciones de Poisson y Exponencial.
Algunas Distribuciones Estadísticas Teóricas Distribución Continuas: a) Distribución Uniforme b) Distribución de Exponencial c) Relación entre la Distribuciones de Poisson y Exponencial. d) Distribución
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 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 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 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 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 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 detallesVariables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma:
TEMA 6: Variables aleatorias Examen Junio 003.- La función de distribución de una variable continua X es de la forma: 3 F ( t) = P( X t) = a + bt ct t, Se sabe que la densidad verifica f(-)=f()=0. [ ]
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 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 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 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 detallesTEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...
TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones
Más detallesGrado en Ingeniería Informática Estadística Tema 5: Teoría Elemental del Muestreo e Inferencia Paramétrica Ángel Serrano Sánchez de León
Grado en Ingeniería Informática Estadística Tema 5: Teoría Elemental del Muestreo e Inferencia Paramétrica Ángel Serrano Sánchez de León Distribuciones Muestrales 1. Sea una población de 5 números: 2,
Más detallesDISTRIBUCIÓN DE POISSON
DISTRIBUCIÓN DE POISSON P O I S S O N Siméon Denis Poisson, (1781-1840), astronauta francés, alumno de Laplace y Lagrange, en Recherchés sur la probabilité des jugements..., un trabajo importante en probabilidad
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 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 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 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 detallesESTADÍSTICA I, curso Problemas Tema 4
ESTADÍSTICA I, curso 007-008 Problemas Tema 4 1. En un problema de una prueba aplicada a niños pequeños se les pide que hagan corresponder tres dibujos de animales con la palabra que identifica a ese animal.
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 detallesRelación 4. Modelos discretos de distribuciones.
Relación 4. Modelos discretos de distribuciones. 1. Si se lanzan dos dados diez veces al aire, cuál es la probabilidad de que en más de la mitad de las ocasiones se obtenga una suma par de puntos? 2. Una
Más detallesIII Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo
Más detallesDistribución binomial
Distribución binomial Cuando la Distribución de Benoulli se preguntaba Que pasara si sucede un único evento? la binomial esta asociada a la pregunta " Cuantas veces hay que realizar la prueba para que
Más detallesRELACIÓN DE PROBLEMAS. Distribuciones de probabilidad
RELACIÓN DE PROBLEMAS Distribuciones de probabilidad 1. Se lanzan al aire dos monedas tres veces consecutivas. Sea X la v.a. que representa el número de veces que se obtiene cara en ambas monedas en los
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 detallesDistribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7.
Distribuciones Continuas de Probabilidad 1 Contenido 1. Ejemplo. 2. Diferencia entre variables aleatorias discretas y continuas. 3. Diferencia de f(x) entre variables aleatorias discretas y continuas.
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 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 detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 4 Nombre: Distribuciones de probabilidad para variables Contextualización En la sesión anterior se definió el concepto de variable aleatoria
Más 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 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 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 detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
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 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 detallesAxiomática de la Teoría de Probabilidades
Axiomática de la Teoría de Probabilidades Modelos matemáticos Según el experimento Cada ejecución del experimento se denomina prueba o ensayo Determinísticos Aleatorios Conjunto de resultados posibles
Más detallesESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016
ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016 Ejercicio 1 Una empresa de selección de personal llama a 12 postulantes para una entrevista de empleo. Se sabe por experiencia
Más detallesDistribuciones de probabilidad discretas
Lind, Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. Distribuciones de probabilidad discretas Capítulo 6 FVela/ McGraw-Hill/Irwin
Más detalles3 PROBABILIDAD Y DISTRIBUCION NORMAL
3 PROBABILIDAD Y DISTRIBUCION NORMAL La probabilidad puede ser considerada como una teoría referente a los resultados posibles de los experimentos. Estos experimentos deben ser repetitivos; es decir poder
Más detallesUNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA 3: VARIABLES ALEATORIAS DISCRETAS Profesores: Jaime Arrué A. - Hugo S. Salinas. Primer Semestre
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 detalles5. MODELOS PROBABILISTICOS.
5. MODELOS PROBABILISTICOS. 5.1 Experimento de Bernoulli Un modelo probabilístico, es la forma que pueden tomar un conjunto de datos obtenidos aleatoriamente. Pueden ser modelos probabilísticos discretos
Más detallesTALLER 3 ESTADISTICA I
TALLER 3 ESTADISTICA I Profesor: Giovany Babativa 1. Un experimento consiste en lanzar un par de dados corrientes. Sea la variable aleatoria X la suma de los dos números. a. Determine el espacio muestral
Más detallesEstadística Aplicada
Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.
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 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 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 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 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 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 detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 4 horas a la semana 8 créditos Semestre variable según la carrera Objetivo del curso: Analizar y resolver problemas de naturaleza aleatoria en la ingeniería, aplicando conceptos
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesObjetivos. Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos. Epígrafes
Objetivos Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos Epígrafes Introducción a los Gráficos p, np. Interpretación Gráficos c y u. Interpretación 2-1 Gráfico
Más detallesLa probabilidad de obtener exactamente 2 caras en 6 lanzamientos de una moneda es. 2) (2) (2) "it^g) = 64
Las distribuciones binomial, normal y de Poisson CAPITULO 7 Wmmr LA DISTRIBUCION B I N O M I A L Si p es la probabilidad de que cualquier evento ocurra en un solo ensayo (denominada probabilidad de éxito)
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 detallesa) Definir un espacio muestral S apropiado para este experimento. b) Consideremos la variable aleatoria
7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).
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 detallesINDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
Más detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
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 detallesLa distribución de Probabilidad normal, dada por la ecuación:
La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada
Más detallesRelación de Problemas. Tema 6
Relación de Problemas. Tema 6 1. En una urna hay 5 bolas blancas y 2 negras y se sacan tres bolas sin reemplazamiento. a) Calcular la distribución conjunta del número de bolas blancas y negras de entre
Más detallesCÁLCULO DE PROBABILIDADES
CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.
Más detallesTema 5. Variables Aleatorias
Tema 5. Variables Aleatorias Presentación y Objetivos. En este tema se estudia el concepto básico de Variable Aleatoria así como diversas funciones fundamentales en su desarrollo. Es un concepto clave,
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 detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS PROBABILIDAD Área a la que pertenece: Área Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0056 Asignaturas antecedentes y subsecuentes PRESENTACIÓN
Más detallesEjercicio 2. Sean A, B dos sucesos tales que P (A) = 0 4, P (B) = 0 65 y P ( (A B) (A B) ) = Hallar P (A B).
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Hoja 2, curso 2006 2007. Ejercicio 1. Dados cuatro sucesos A, B, C y D, la probabilidad de que ocurra al menos uno
Más detallesUNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD PROBABILIDAD MISCELANEA DE EJERCICIOS UNIDAD 2
EJERCICIOS CAPITULO 4 1.- Un inspector de aduanas decide revisar 2 de 6 embarques provenientes de Madrid por la vía aérea. Si la selección es aleatoria y 3 de los embarques contienen contrabando; Encuentre
Más detallesPROBLEMA 1 PROBLEMA 2
PROBLEMA 1 Dos compañías de taxis atienden a una comunidad. Cada empresa posee dos taxis y se sabe que ambas compañías comparten el mercado al 50%. Las llamadas que llegan a cada una de las respectivas
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesMatemáticas. Selectividad ESTADISTICA COU
Matemáticas Selectividad ESTADISTICA COU 1. Un dentista observa el Nº de Caries en cada uno de los 100 niños de cierto colegio. La información obtenida aparece resumida en la siguiente tabla. Nº Caries
Más detallesTarea - Examen. No reaparece Sí reaparece Crema Crema
Tarea - Examen 1. Un juego consiste en elegir al azar una carta de una baraja de 52 cartas. Si esta carta es un corazón negro nos pagan 200 pesos y si es un diamante 100 pesos, pero en otro caso hemos
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 detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2014 Agenda 1 Concepto de probabilidad
Más 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 detallesFINAL DE PROBABILIDAD Y ESTADÍSTICA 27 de MAY Nombre y apellido: Nota
FINAL DE PROBABILIDAD Y ESTADÍSTICA 27 de MAY0 2015 Nombre y apellido: Legajo: 1 2 3 4 5 Nota / / / / / 1.- El gobierno de la ciudad ha construido senderos especiales para bicicletas en un barrio de la
Más detallesUnidad Temática 3 UT3-1: Variable Aleatoria
Autoevaluación UT3 Unidad Temática 3 UT3-1: Variable Aleatoria 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.
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 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 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 detallesProbabilidad condicional
Probabilidades y Estadística (M) Práctica 2: Probabilidad Condicional e Independencia 2 cuatrimestre 2008 Tiempo estimado: 3 clases Probabilidad condicional 1. Hay 3 cajas A, B y C con 20 piezas cada una,
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 detallesDerivadas Parciales (parte 2)
40 Derivadas Parciales (parte 2) Ejercicio: Si donde y. Determinar Solución: Consideraremos ahora la situación en la que, pero cada una de las variables e es función de dos variables y. En este caso tiene
Más detalles6. VARIABLES ALEATORIAS
6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
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 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 detallesCONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD
CONTENIDOS 1. Procesos Estocásticos y de Markov 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD 4. Comportamiento Estacionario de las CMTD 1. Procesos Estocásticos
Más detallesProbabilidad Condicional
Probabilidad Condicional Algunas veces la ocurrencia de un evento A puede afectar la ocurrencia posterior de otro evento B; por lo tanto, la probabilidad del evento B se verá afectada por el hecho de que
Más detallesProcesos estocásticos. Definición
Procesos estocásticos Definición http://humberto-r-alvarez-a.webs.com Definición de proceso estocástico Estudio del comportamiento de una variable aleatoria a lo largo del tiempo El ajuste de cualquier
Más detalles