Trabajo sobre Simulación de Procesos Poisson y Distribuciones Multivariadas
|
|
- Veronica Torregrosa Romero
- hace 6 años
- Vistas:
Transcripción
1 Trabajo sobre Simulación de Procesos Poisson y Distribuciones Multivariadas Norman Giraldo Gómez Escuela de Estadística. Universidad Nacional de Colombia ndgirald@unalmed.edu.co Marzo, Introducción Este trabajo consiste de dos puntos: uno de la sección sobre el Proceso Poisson y otro de la sección de Multivariadas. Cada estudiante tiene asignados estos puntos de la lista a continuación. Las notas siguientes son para aclarar algunos puntos del trabajo. 1. (Manejo del proceso Poisson no homogéneo) Si N t es un proceso Poisson No Homogéneo (PPNH) con intensidad λ(t),t [0,T] entonces se cumple: E(N t2 N t1 ) = t2 λ(s)ds, <t 2 <T, P (N t2 N t1 = k) = e t 2 λ(s)ds ( t2 ) k λ(s)ds /k!,k =0, 1, Hay tres funciones de intensidad para este trabajo, definidas a continuación. Cada tema tiene asignada una de estas funciones. a) λ(t, s, l) =le st, con s =0.08,l =3.2. b) λ(t, s, l) =l(1 + cos(2πt/s))/2, con s =20,l =3.2. c) λ(t, s, l) =2l(s/2 t s ) + /s, con s =20,l =3.2. 1
2 3. En todos los casos s y l son parámetrosy el parámetro l cumple con λ(t) l, t. 4. En el caso 3 la función λ(t) es un triángulo isósceles con la base de la altura en t = s, y longitud de la base igual a s. El símbolo (x) + corresponde a la función parte positiva de x, con (x) + = x si x>0,y(x) + =0six (Interpretación de cada caso) En el caso 1 las llegadas promedio decrecen con el tiempo, en el 2 hay dos horas pico y en el 3 las llegadas ocurren solamente en la mitad del período. 2. Preguntas 2.1. Proceso Poisson Recordar que la definición concreta de λ(t) es uno de los tres casos mencionados. 1. Suponga que los clientes de un almacén llegan según un proceso PPNH N t con función de intensidad λ(t), con t en horas. Después de un tiempo T no se permite la entrada de más clientes. Asumimos T = 48 horas. a) Calcule el promedio de clientes que llegan en la primera hora, en la última hora y durante el período de 48 horas. b) Simule el proceso N t durante el período [0,T], usando el algoritmo de adelgazamiento (ver Ross, [3], pag. 77), tomando como valor λ tal que λ(t) λ el valor del parámetro l. Reporte el algorimo o su programa. c) Reporte las gráficas de la trayectoria simulada de N t, de la función λ(t) y del correspondiente proceso Poisson homogéneo de tasa λ = l. Comente sobre el resultado: se observó el efecto de la forma de λ(t) en el número de llegadas promedio?. 2. Suponga que los pasajeros de una línea de buses llegan según un proceso PPNH N t con función de intensidad λ(t), con t en minutos. Un bus salió en el tiempo t = 0 sin dejar pasajeros esperando. Sea W el tiempo de llegada del próximo bus. Entonces el número de pasajeros que estarán esperando es N W. Suponga que W es aleatorio con densidad uniforme en el intervalo (5, 15), W U(5, 15), y que además N t y W son independientes. 2
3 a) Encuentre E(N W W )ye(n W ). c) Simule n = 1000 valores de N W y compare el valor de la media obtenido con esta simulación con el valor teórico obtenido en a). d) Reporte el histograma de N W. e) Calcule P (N W = 0) Distribuciones Multivariadas 1. Si X = (X 1,X 2,X 3,X 4 ) tiene una distribución normal conjunta con media µ =(2, 3, 2, 3) y matriz de covarianzas: R = a) Simule n = 300 datos de X b) Considere la variable condicionada Y X tal que Y X N(β 0 + β X,σ 2 ) (1) donde β 0,β =(β 1,...,β 4 ),σ 2 son parámetros. Simule n = 300 datos de Y con base en los datos simulados en la parte a). Escoja los parámetros colocando alguno no significativo (por ejemplo, un valor cercano a cero, ó similar). Reporte el algoritmo ó el programa. c) Reporte las gráficas Y i versus X j,i para j =1, 2, 3, 4. Comente acerca de la relación que se observa y el coeficiente respectivo β j. 2. Si X = (X 1,X 2,X 3,X 4 ) tiene una distribución normal conjunta con media µ =(2, 3, 2, 3) y matriz de covarianzas: R =
4 a) Simule n = 300 datos de X. b) Considere la variable condicionada Y X {0, 1} tal que P (Y =1 X) = (1 + exp( β 0 β X)) 1, (2) donde β 0,β =(β 1,...,β 4 ) son parámetros. Note que (2) es un modelo logístico. Para consulta sobre modelos logísticos ver [1]. Simule n = 300 datos de Y con base en los datos simulados en la parte a). Escoja los parámetros colocando alguno no significativo (por ejemplo, un valor cercano a cero, ó similar). Reporte el algoritmo ó el programa. c) Reporte las gráficas Y i versus X j,i para j =1, 2, 3, 4. Comente acerca de la relación que se observa y el coeficiente respectivo β j. 3. Considere la variable bidimensional (X, Y ) con fdp dada por f(x, y) =C exp( (y x 2 ) 2 (x 2 + y 2 )/2), (x, y) R 2 donde C = es la constante de normalización. a) Grafique la superficie f(x, y). b) Simule n = 1000 datos de (X, Y ) con base en el algoritmo de transformada inversa, encontrando cuál opción en más viable: si f X (x Y = y)óf Y (y X = x), es decir, si es más viable condicionar sobre Y ó sobre X. c) Reporte un diagrama de dispersión de los datos (x i,y i ) y un diagrama de curvas de nivel. d) Reporte la covarianza y la correlación estimadas. Comente sobre estos valores. 4. Este punto es sobre la distribución Weibull Bivariada, (WB), según se describe en Johnson et al. [2], pag.5. Este documento está en la página web del curso. También se puede bajar por Internet. a) Dé la definición de la distribución WB, según Johnson et al. [2], pag.5. Además, investigue en este documento (y reporte) la aplicación en la tecnología de la madera de la WB. b) Describa el algoritmo para simular la WB, en la pag. 5 de [2]. 4
5 c) Simule n = 1000 datos de una variable (X 1,X 2 ) WB(δ, β 1,β 2 ). Escoja los parámetros con base en varios ensayos y escoja uno a su gusto. Sugerencia: en el documento, [2] hay ejemplos sobre la WB con valores de los parámetros que se pueden usar para este punto. d) Repita N = 100 veces y reporte un histograma de la correlación. Referencias [1] Harrell, F. E., Jr.(2001) Regression Modeling Strategies. Springer. [2] Johnson, R. A., Evans, J. W. and Green, D.W. (1999). Some Bivariate Distributions for Modeling the Strength Properties of Lumber. Res. Paper FPL-RP-575, Madison, WI: US Department of Agriculture, Forest Service, Forest Products Laboratory. [3] Ross, S. M. (1999). Simulación. Segunda Edición. Prentice Hall. México. 5
Ejercicio 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 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 detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
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 aleatòries vectorials Els problemes assenyalats amb un (*) se faran a classe. 1.- Los estudiantes de una universidad se clasifican de acuerdo a sus años en la universidad (X) y el número de visitas
Más detallesMomentos de Funciones de Vectores Aleatorios
Capítulo 1 Momentos de Funciones de Vectores Aleatorios 1.1 Esperanza de Funciones de Vectores Aleatorios Definición 1.1 Sea X = (X 1,..., X n ) un vector aleatorio (absolutamente continuo o discreto)
Más detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
Más detallesCálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
Más 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 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 detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Patricia Kisbye FaMAF 6 de mayo, 2010 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesLaboratorio 2 Probabilidad y Estadística con MATLAB GENERACIÓN DE VARIABLES ALEATORIAS Y SIMULACIÓN
Laboratorio 2 Probabilidad y Estadística con MATLAB GENERACIÓN DE VARIABLES ALEATORIAS Y SIMULACIÓN Introducción Muchos de los métodos de estadística computacional requieren la capacidad de generar variables
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 detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Definición de una V.A.C. Definición de una V.A.C.
Más detallesCátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS
Cátedra: TABLA DE CONTENIDOS INTRODUCCIÓN Qué es la Probabilidad? Qué es la Estadística? La evolución histórica de la Estadística Algunos conceptos imprescindibles Fuentes de datos Tipos de datos y escalas
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 detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
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 detallesAnalista de Sistemas de Computación. Simulación
Analista de Sistemas de Computación 1er.Cuatrimestre 2005 MATERIA: Simulación V1.0-11 - PLANIFICACION de la MATERIA Carrera: ANALISTA DE SISTEMAS DE COMPUTACION Año / Ciclo : 2º 2º Materia: SIMULACIÓN
Más detallesVariables aleatorias bidimensionales discretas
Universidad de San Carlos de Guatemala Facultad de Ingeniería Área de Estadística VARIABLES ALEATORIAS BIDIMENSIONALES Concepto: Sean X e Y variables aleatorias. Una variable aleatoria bidimensional (X,
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 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 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 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 detallesTOTAL DE HORAS: Semanas de clase: 5 Teóricas: 3 Prácticas: 2. SERIACIÓN OBLIGATORIA ANTECEDENTE: Ninguna SERIACIÓN OBLIGATORIA SUBSECUENTE: Ninguna
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN LICENCIATURA: INGENIERÍA EN TELECOMUNICACIONES, SISTEMAS Y ELECTRÓNICA DENOMINACIÓN DE LA ASIGNATURA: Probabilidad y Estadística
Más detallesAlgunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
Más detallesEsperanza Condicional
Esperanza Condicional Podemos obtener la esperanza de una distribución condicional de la misma manera que para el caso unidimensional: 129 Caso 2 v.a. discretas X e Y: Caso 2 v.a. continuas X e Y: Percentiles
Más detallesSimulación III. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación III Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Comentario: generación de v.a. exponenciales Generación de v.a. normales Método de convolución:
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 detallesResumen. Recordemos que una cópula es una función C : I 2 I tal que: C(u 2, v 2 ) C(u 2, v 1 ) C(u 1, v 2 ) + C(u 1, v 1 ) 0. (2)
Contenido 1 2 3 Cópula Empírica Cópula Kernel Resumen Recordemos que una cópula es una función C : I 2 I tal que: 1 Para cualesquiera u, v en I := [0, 1] C(u, 0) = 0 = C(0, v), C(u, 1) = u, C(1, v) = v.
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 detallesLista de Ejercicios (Parte 1)
ACT-11302 Cálculo Actuarial III ITAM Lista de Ejercicios (Parte 1) Prof.: Juan Carlos Martínez-Ovando 15 de agosto de 2016 P0 - Preliminar 1. Deriva las expresiones de las funciones de densidad (o masa
Más detallesPRUEBAS DE BONDAD DE AJUSTE
PRUEBAS DE BONDAD DE AJUSTE Pruebas de bondad de ajuste xi cuadrada y Kolmogorov-Smirnov Facultad de Ciencias Químicas e Ingeniería, UAEM Simulación de Procesos Contenido Prueba de bondad de ajuste χ2...
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 detalles1º BACHILLERATO HUMANIDADES Y CIENCIAS SOCIALES MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I PENDIENTES
1º BACHILLERATO HUMANIDADES Y CIENCIAS SOCIALES MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I PENDIENTES 1.- INTRODUCCIÓN AL NÚMERO REAL Realización de operaciones con números reales. Ordenación de los
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Patricia Kisbye FaMAF 15 de abril, 2010 Generación de variables aleatorias continuas Decimos que X es una v.a. continua si
Más detalles(b) V ar X directamente usando la definición. (d) V ar X usando la fórmula abreviada.
Ejercicios y Problemas adicionales. Capítulo II 1. La función de masa de probabilidad de X= número de defectos importantes en un elestrodoméstico seleccionado al azar, de un cierto tipo, es x 0 1 2 3 4.
Más detallesMetodología de Simulación por Computadora
SIMULACIÓN Metodología de Simulación por Computadora Clasificación del sistema 1. Sistemas de eventos discretos. Los estados del sistema cambian sólo en ciertos puntos del tiempo. Por ejemplo, si se observa
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 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 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 detallesTema 2 Variables Aleatorias
Tema 2 Variables Aleatorias Introducción El análisis estructural consiste en determinar la forma en que se comporta una estructura hecha de un material específico ante un sistema de cargas dado, el estudio
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 detallesUN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES
Revista Colombiana de Estadística Volumen 24 (2001) N o 1, páginas 27 a 32 UN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES CARLOS
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 detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 17 de abril, 2012 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesTH. DE CHEBYSHEV DISTRIB. NORMAL.
f ( x) 1 2 2 ( x) e 2 2 TH. DE CHEBYSHEV DISTRIB. NORMAL El Desvío Estándar y el Teorema de Chebyshev Es conocida en el área de la probabilidad y estadística, la desigualdad de Chebyshev, matemático Ruso
Más detallesPROBABILIDADES Trabajo Práctico 5. 0 si x<0. x3 si 0 x<2 1 si x 2
PROBABILIDADES Trabajo Práctico 5 1. Sea X una variable aleatoria con función de distribución acumulada a) Calcular, usando F X, P (X 1) P (0.5 X 1) P (X >1.5) b) Hallar la mediana de esta distribución.
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 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 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 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 detallesRegresión Lineal. Rodrigo A. Alfaro. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16
Regresión Lineal Rodrigo A. Alfaro 2009 Rodrigo A. Alfaro (BCCh) Regresión Lineal 2009 1 / 16 Contenidos 1 Regresiones Lineales Regresión Clásica Paquetes estadísticos 2 Estadísticos de Ajuste Global 3
Más detallesSabemos que en un proceso de Poisson la función de probabilidad está dada por:
DISTRIBUCIÓN DE WEIBULL Relación entre la dist eponencial y la dist de Poisson Sabemos que en un proceso de Poisson la función de probabilidad está dada por: e-! ( λt ) λt f X (, λ ) P( X = ) = Queremos
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 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 detallesLa Función de Disponibilidad en Procesos de Renovación y aproximaciones útiles de ella.
SEMINARIO INSTITUCIONAL DE ESTADÍSTICA Escuela de Estadística Universidad Nacional de Colombia - Sede Medellín La en Procesos de Renovación y aproximaciones útiles de ella. Álvaro Calvache Archila Universidad
Más detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
Más detallesTrabajo No 1. Derivados Financieros
Trabajo No 1. Derivados Financieros Norman Giraldo Gómez Escuela de Estadística - Universidad Nacional de Colombia ndgirald@unal.edu.co Marzo, 2010 1. Introducción Este trabajo consiste de un punto asignado
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 detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 4 Distribución de Probabilidades Distribución de Probabilidades Distribución de Probabilidades Variables Aleatorias: Discreta y Continua Función Densidad
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesIntroducción a los Procesos de Poisson *
Introducción a los Procesos de Poisson * Victor M. Pérez Abreu C. Departamento de Probabilidad y Estadística, CIMAT David Reynoso Valle Licenciatura en Matemáticas, DEMAT, Universidad de Guanajuato 22
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 detallesGráficas de funciones de masa de probabilidad y de función de densidad de probabilidad de Distribuciones especiales. x n
Gráficas de funciones de masa de probabilidad y de función de densidad de probabilidad de Distribuciones especiales 1. Función de distribución binomial: Si X distribuye bin ( n, p), entonces f n x x n
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 detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más detallesMATEMÁTICAS I aplicadas a las Ciencias Sociales
MATEMÁTICAS I aplicadas a las Ciencias Sociales UNIDAD 1: NÚMEROS REALES Distintos tipos de números Los números enteros, racionales e irracionales. El papel de los números irracionales en el proceso de
Más detallesPROCESO DE NACIMIENTO PURO Y MUERTE PURA
PROCESO DE NACIMIENTO PURO Y MUERTE PURA En esta sección consideraremos dos procesos especiales. En el primer proceso, los clientes llegan y nunca parten y en el segundo proceso los clientes se retiran
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA FÍSICA ESTADÍSTICA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA DIPLOMA DE ESPECIALIZACIÓN EN FÍSICA (ANEP UDELAR) FÍSICA ESTADÍSTICA Curso 013 Práctico II Fundamentos de Probabilidad y Estadística. Fecha de Entrega: 13 de
Más detallesPRÁCTICA I. Ejercicios Teóricos
PRÁCTICA I TEORÍA DE LA DECISIÓN BAYESIANA Ejercicios Teóricos Ejercicio. En el caso de dos categorías, en la regla de decisión de Bayes el error condicional está dado por la ecuación (7). Incluso si las
Más detallesEstadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data
Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data (parte 2) Medidas de dispersión 3.1-1 Medidas de dispersión La variación entre los valores de un conjunto de datos se conoce como dispersión
Más detallesVectores aleatorios (distribuciones multivariantes)
Vectores aleatorios (distribuciones multivariantes) Tema 9. Distribución conjunta de un vector aleatorio. Distribuciones marginales y condicionadas Ignacio Cascos Depto. Estadística, Universidad Carlos
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
Más detallesESTRUCTURA DE LINEAS DE ESPERA
ESTRUCTURA DE LINEAS DE ESPERA La teoría de las colas es el estudio de líneas de espera. Cuatro características de un sistema de la formación de colas o líneas de espera son: la manera en que los clientes
Más detallesTrabajo No 2. Análisis Supervivencia y Seguros de Vida
Trabajo No 2. Análisis Supervivencia y Seguros de Vida Norman Giraldo Gómez Curso de Actuaría - Escuela de Estadística ndgirald@unal.edu.co Octubre, 2010 1. Notas 1. La notación (xm) indica mujer de edad
Más detallesGeneración de variables aleatorias continuas
Generación de variables aleatorias continuas Se dice que una variable aleatoria X es continua, o más propiamente, absolutamente continua, si existe f : R R tal que F (x) := P (X x) = x f(t) dt. Al igual
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesTEMA 14 ESTADÍSTICA. Cuantitativa: si puede medirse y expresarse con números (es una variable), por ejemplo la talla de calzado.
Objetivos / Criterios de evaluación TEMA 14 ESTADÍSTICA O.15.1 Conocer el significado y saber calcular los parámetros de centralización y dispersión O.15.2 Interpretar y utilizar los parámetros de dispersión.
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 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 7: INICIACIÓN AL CÁLCULOS DE DERIVADAS. APLICACIONES
TEMA 7: INICIACIÓN AL CÁLCULOS DE DERIVADAS. APLICACIONES TASA DE VARIACIÓN MEDIA: T.V.M. 1- Calcula la tasa de variación media de esta función en los intervalos: a) [-2, 0] b) [0,2] c) [2, 5] 2- Halla
Más detallesExamen Final A Total puntos: /100. Buena suerte y éxito! Utilice la siguiente información para responder a las preguntas 1 al 5.
Universidad de Puerto Rico, Recinto de Río Piedras Instituto de Estadística y Sistemas Computarizados de Información Estadísticas para administración de empresas (ESTA 3041) Nombre: Número de estudiante:
Más detallesCARGA HORARIA Horas totales: 80 Horas totales de resolución de problemas de aplicación: 32
PROBABILIDAD Y ESTADISTICA OBJETIVOS: 1. Extraer y sintetizar información de un conjunto de datos. 2. Aprehender los conceptos de aleatoriedad y probabilidad. 3. Estudiar los modelos más importantes de
Más detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detalles6.3. Distribuciones continuas
144 Bioestadística: Métodos y Aplicaciones Solución: Si consideramos la v.a. X que contabiliza el número de personas que padecen la enfermedad, es claro que sigue un modelo binomial, pero que puede ser
Más detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
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 4: Variable Aleatoria Bidimensional
Curso 2016-2017 Contenido 1 Definición de Variable Aleatoria Bidimensional 2 Distribución y fdp Conjunta 3 Clasificación de Variables Aleatorias Bidimensionales 4 Distribuciones Condicionales 5 Funciones
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesEconometría II. Hoja de Problemas 1
Econometría II. Hoja de Problemas 1 Nota: En todos los contrastes tome como nivel de significación 0.05. 1. SeanZ 1,...,Z T variables aleatorias independientes, cada una de ellas con distribución de Bernouilli
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA NIVEL : LICENCIATURA CRÉDITOS : 7 CLAVE : ICAE13001731 HORAS TEORÍA : 3 SEMESTRE : QUINTO HORAS PRÁCTICA : 1 REQUISITOS
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 4 Distribución de Probabilidades Distribución de Probabilidades Distribución de Probabilidades Variables Aleatorias: Discreta y Continua Función Densidad
Más detallesFunciones de Variables Aleatorias. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Funciones de Variables Aleatorias UCR ECCI CI-135 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción En los métodos estadísticos estándar, el resultado de la prueba
Más detalles= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) =
SOLUCIONES AL EXAMEN DE MÉTODOS ESTADÍSTICOS 2 0 ITIE. 19 /01/2009 1. X = 132, 25 Mediana: M e = 134 + 135 2 = 134, 5 Tercer cuartil: Q 3 = 140 + 141 2 = 140, 5 11 288 12 11267 13 04566 14 0127 15 12 Pueden
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
Prof.: MSc. Julio Rito Vargas A. UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Problemas para Simular con Promodel (Parte 2) Grupo: Ingenierías/2016 I. Las partes llegan a un sistema
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 detalles