DISTRIBUCIONES DE PROBABILIDAD
|
|
- Emilia Lucero Suárez
- hace 6 años
- Vistas:
Transcripción
1 DISTRIBUCIONES DE PROBABILIDAD
2 VARIABLE ALEATORIA
3 Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida. Por ejemplo, suponga que se tira un dado y se mide x, el número observado en la cara superior. La variable x puede tomar cualquiera de seis valores: 1, 2, 3, 4, 5, 6, dependiendo del resultado aleatorio del experimento. Por esta razón, la variable x se conoce como variable aleatoria.
4 QUÉ ES LA VARIABLE ALEATORIA? Los resultados de un experimento (eventos) se han descrito en palabras; claramente esto dificulta el análisis de algunos problemas. Es mucho más fácil describir y manipular cuando se utilizan números. El propósito de la variable aleatoria es "mapear" cada punto de un espacio muestral en un punto de un eje real, y puesto que la regla de correspondencia para realizar el mapeo de un conjunto a otro recibe el nombre de función, la variable aleatoria es entonces una función. Una variable x es variable aleatoria si el valor que toma, correspondiente al resultado de un experimento, es una probabilidad o evento aleatorio.
5 Sea S un espacio muestral sobre el que se encuentra definida una función de probabilidad. Sea X una función de valor real definida sobre S, de manera que transforme los resultados de S en puntos sobre la recta de los reales. Se dice entonces que X es una variable aleatoria. Se dice que X es aleatoria porque involucra la probabilidad de los resultados del espacio muestral, y X es una función definida sobre el espacio muestral, de manera que transforma todos los posibles resultados del espacio muestral en cantidades numéricas.
6 Los fenómenos que más interesan a los ingenieros son aquellos que pueden ser identificados por números, los cuales reciben el nombre de eventos numéricos. Una variable aleatoria (v.a.) es una función, cuyos valores son números reales, definida en un espacio muestral. De una manera simple puede denotarse por X S R X S R
7 En otras palabras, una variable aleatoria es una función que asigna números reales a cada posible resultado de un experimento aleatorio; esto es, es una función cuyo dominio de definición es el espacio muestral de un experimento y cuyo rango es el eje real. Usualmente, se denotan a las variables aleatorias (vv.aa.) utilizando las últimas letras mayúsculas del alfabeto. Los valores de la imagen de dicha función, se conocen como valores de la variable aleatoria (v.a.) y se denotan con la misma letra que la función, pero con minúsculas.
8 CLASIFICACIÓN DE LAS VARIABLES ALEATORIAS Las variables aleatorias pueden clasificarse en Variables aleatorias discretas continuas Una variable aleatoria discreta toma valores de un conjunto numerable, mientras que una variable aleatoria continua toma valores de un conjunto continuo.
9 VARIABLE ALEATORIA DISCRETA
10 Una variable aleatoria se dice discreta si solamente puede tomar valores de un conjunto numerable de valores. Se dice que una variable aleatoria X es discreta si el número de valores que puede tomar es contable (ya sea finito o infinito), y si éstos pueden arreglarse a una secuencia que corresponde con los enteros positivos. Una vez definida una variable aleatoria discreta, se debe definir la forma en la que se asignarán las probabilidades a cada valor que puede tomar la variable aleatoria. Sea X una v.a. discreta, se define su función de probabilidad f x (x) como: f x x = P(X = x) Donde f: R x [0,1]
11 DISTRIBUCIÓN DE PROBABILIDAD Una variable aleatoria discreta X representa los resultados de un espacio muestral en forma tal que por P(X = x) se entenderá la probabilidad de que X tome el valor de x. De esta forma, al considerar los valores de una variable aleatoria es posible desarrollar una función matemática que asigne una probabilidad a cada realización x de la variable aleatoria X. Esta función recibe el nombre de función de probabilidad de la variable aleatoria X. El término más general, distribución de probabilidad, se refiere a la colección de valores de la variable aleatoria y a la distribución de probabilidad entre estos. Sin embargo, hacer referencia a la distribución de probabilidad de X no sólo implica la existencia de la función de probabilidad, sino también la existencia de la función de distribución acumulativa de X.
12 Una función de probabilidad generalmente se representa de manera gráfica utilizando líneas verticales, que representan la probabilidad.
13 Sea X una variable aleatoria discreta. Se llamará a p(x) P(X = x) función de probabilidad de la variable aleatoria X, si satisface las siguientes propiedades: 1. p x 0 para todos los valores x de X. 2. σ x p x = 1 La función de distribución acumulativa de la variable aleatoria X es la probabilidad de que X sea menor o igual a un valor específico de x y está dada por F x P X x = x i x p x i Por lo tanto, en el caso discreto, una variable aleatoria X está caracterizada por la función de probabilidad puntual p x, la cual determina la probabilidad puntual de que X=x, y por la función de distribución acumulativa F x, la que representa la suma de las probabilidades puntuales hasta el valor x de X inclusive.
14 Una función de distribución acumulativa
15 La función de distribución acumulativa F x de una variable aleatoria discreta es una función no decreciente de los valores de X, de tal manera que 1) 0 F x 1 para cualquier x 2) F x i F x j si x i x j 3) P X > x = 1 F x Además, puede establecerse que para varias variables aleatorias de valor entero se tiene 4) P X = x = F(x) F(x 1) 5) P x i X x j = F x j F(x i 1)
16 VARIABLE ALEATORIA CONTINUA
17 VARIABLE ALEATORIA CONTINUA Para el caso de la v.a. continua, las reglas o propiedades de la v.a. discreta no se cumplen; por ello, la probabilidad de que una v.a. continua de X tome un valor específico es cero. Se dice que una variable aleatoria X es continua si su valores consisten en uno o más intervalos de la recta de los reales. Por ejemplo: Supóngase que se observa el intervalo entre dos llegadas consecutivas a un servicio. Si el dispositivo de medición puede medir el tiempo hasta una décima de segundo, entonces un intervalo de 83.4 seg. Puede tomarse como la media y el valor verdadero puede encontrarse entre y seg. Por lo tanto, en el caso continuo es lógico visualizar probabilidades de intervalos que de puntos e particular.
18 DISTRIBUCIÓN DE PROBABILIDAD La distribución de probabilidad de una variable aleatoria continua X esta caracterizada por una función f(x) que recibe el nombre de Función de densidad de probabilidad. Esta función f(x) no es la misma función de probabilidad que para e caso discreto. Como la probabilidad de que X tome el valor específico x es 0, la función de densidad de probabilidad no representa la probabilidad de que X=x. más bien, proporciona un medio para determinar la probabilidad de un intervalo a X b.
19 Gráficamente Se grafican las frecuencias relativas para cada intervalo por medio de rectángulos, para indicar que la frecuencia se refiere al intervalo completo más que a un punto en particular. *** La suma de las áreas de todos los rectángulos es 1.
20 La función f(x), cuya gráfica es la curva límite que se obtiene para un número muy grande de observaciones y para una amplitud de intervalo muy pequeña, es la función de densidad de probabilidad para una variable aleatoria continua X, ya que la escala vertical se elige de manera que el área total bajo la curva es igual a uno. Curva límite para la frecuencia relativa
21 La función de densidad de probabilidad de una variable aleatoria continua X se define formalmente: Si existe una función f(x) tal que: 1. f x 0, < x < 2. f x dx = 1, y 3. P a X b = a b f x dx Para cualesquiera a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.
22 Por lo tanto, el área total bajo f(x) es uno y la probabilidad del intervalo a X b es el área acotada por la función de densidad y las recta X=a y X=b.
23 FUNCIÓN DE DISTRIBUCIÓN ACUMULATIVA La función de distribución acumulativa de una variable aleatoria continua X es la probabilidad de que X tome un valor menor o igual a algún x específico. Estos es, x P X x = F x = f t dt En donde t es una variable artificial de integración. Por lo tanto, la función de distribución acumulativa F(x) es el área acotada por la función de densidad que se encuentra a la izquierda de la recta X=x.
24
25 Dado que para cualquier variable aleatoria continua X, Entonces: P X = x = න x x f t dt = 0 P X x = P X < x = F x La distribución acumulativa F(x), es una función lisa no decreciente de los valores de la variable aleatoria con las siguientes propiedades: 1. F = 0 2. F = 1 3. P a < X < b = F b F a 4. df x /dx =f(x) La propiedad de la derivada de la función de distribución acumulativa es la función de densidad de probabilidad, es una consecuencia del teorema fundamental del cálculo integral.
26 VALOR ESPERADO El valor esperado (o esperanza) de una variable aleatoria es un concepto muy importante en el estudio de las distribuciones de probabilidad. La esperanza de una variable aleatoria tiene sus orígenes en los juegos de azar, debido a que los apostadores deseaban saber cuál era el valor esperado de ganar repetidamente un juego. En este sentido, la esperanza representa la cantidad de dinero promedio que el jugador está dispuesto a ganar o perder después de un número muy grande de apuestas. Este significado también es válido para una v.a. Es decir, el valor promedio de una v.a. después de un número grande de experimentos es su valor esperado.
27 DEFINICIÓN El valor esperado de una variable aleatoria X es el promedio o valor medio de X y está dado por: E X = σ x xp (x) si x es discreta x E X = xf x dx si X es continua x Eb donde p(x) y f(x) son las funciones de probabilidad y de densidad de probabilidad, respectivamente.
28 En general, el valor esperado de una función g(x) de la variable aleatoria X, esta dado por: E[g X ] = σ x g(x)p (x) E[g X ] = g(x)f x dx si x es discreta si X es continua La esperanza de una variable aleatoria X no es una función de X sino un número fijo y una propiedad de distribución de probabilidad de X. Por otra parte, el valor esperado puede no existir dependiendo de si la correspondiente suma o integral no converge en una valor finito.
29 PROPIEDADES DEL VALOR ESPERADO 1) El valor esperado de una constante c, es la misma constante. E c = c 2) El valor esperado de una variable aleatoria por una constante, es la constante por el valor esperado de la variable aleatoria. E cx = ce(x) 3) El valor esperado de la cantidad ax + b donde a y b son constantes, es el producto de a por el valor esperado de X más b. E ax + b = ae X + b
30 4) Si g x es una función de X, entonces: E[g X ] g x f x x x න g x f x x dx X discreta X continua 5) El valor esperado de una suma de funciones es igual a la suma de los valores esperados. Si g 1 x y g 2 x son funciones de X, entonces: E g 1 x + g 2 x = E g 1 x +E g 2 x El valor esperado de una variable aleatoria discreta puede ser interpretado como el centro de masa de una distribución de masas f x x i colocadas en los puntos x i del eje x. El valor esperado de una variable aleatoria continua puede ser interpretado como la abscisa del centroide de la figura formada por la función f x x junto con el eje x (y los extremos def x x si los hubiera).
31 MOMENTOS DE UNA VARIABLE ALEATORIA Los momentos de una variable aleatoria X son los valores esperados de ciertas funciones de X. Éstos forman una colección de medidas descriptivas que pueden emplearse para caracterizar la distribución de probabilidad de X y especificarla si todos los momentos de X son conocidos. A pesar de que los momentos de X pueden definirse alrededor de cualquier punto de referencia, generalmente se definen alrededor del cero o del valor esperado de X.
32 Sea X una variable aleatoria. El r-ésimo momento de X alrededor del cero (respecto al origen) se define como: μ r = E X r μ r = E X r = = න x x r p(x) x r f x dx si X es discreta si X es continua El primer momento alrededor del cero es la media o valor esperado de la variable aleatoria y se denota por μ, de esta manera se tiene μ t = μ = E(X). La media de una variable aleatoria se considera como una cantidad numérica alrededor de la cual los valores de la variable aleatoria tiende a agruparse. Por lo tanto, la media es una medida de tendencia central.
33 Sea X una variable aleatoria. El r-ésimo momento central de X o el r-ésimo momento alrededor de la media de X se define por: μ r = E X μ r = x μ r = E X μ r = න X μ r p(x) X μ r f x dx si X es discreta si X es continua El primer momento alrededor del cero es la media o valor esperado de la variable aleatoria y se denota por μ, de esta manera se tiene μ t = μ = E(X). La media de una variable aleatoria se considera como una cantidad numérica alrededor de la cual los valores de la variable aleatoria tiende a agruparse. Por lo tanto, la media es una medida de tendencia central.
34 El momento central cero de cualquier variable aleatorio es uno, dado que: μ 0 = E(X μ) 0 = E 1 = 1 De manera similar, el primer momento central de cualquier variable aleatoria es cero, dado que: μ 1 = E X μ = E X μ = 0 El segundo momento central: μ 2 = E(X μ) 2 recibe el nombre de varianza de la variable aleatoria. Puesto que: μ 2 = Var X = E(X μ) 2 = E X 2 2Xμ + μ 2 = E X 2 2Xμ + μ 2 = μ 2 μ 2 la varianza de cualquier v.a. es el segundo momento alrededor del origen menos el cuadrado de la media, se denota por σ 2. La varianza de una v.a. es una medida de la dispersión de la distribución de la probabilidad de ésta. La raíz cuadrada positiva de la varianza recibe el nombre de desviación estándar, y se denota por σ.
35 PROPIEDADES DE LA VARIANZA 1. Var X = E X E X 2 = E X 2 E X 2 2. Var X = 0 3. Var ax = a 2 Var X 4. Var ax + b = a 2 Var X
36 Una medida que compara la dispersión relativa de dos distribuciones de probabilidad es el coeficiente de variación, y está definido por: V = σ μ El coeficiente de variación expresa la magnitud de la dispersión de una v.a. con respecto a su valor esperado. V es una medida estandarizada de la variación con respecto a la media, especialmente útil para comparar dos distribuciones de probabilidad cuando la escala de medición difiere de manera apreciable entre éstas.
37 El tercer momento central μ 3 = E(X μ) 3 está relacionado con la asimetría de la distribución de probabilidad de X. Para las distribuciones de probabilidad, si μ 3 < 0, se dice que la distribución es asimétrica negativamente; si μ 3 > 0, la distribución es asimétrica positiva; y si μ 3 = 0, la distribución recibe el nombre de simétrica. Una medida más apropiada de la asimetría, es el tercer momento estandarizado, dado por: α 3 = μ 3 /(μ 2 ) 3/2 Que recibe el nombre de coeficiente de asimetría. El coeficiente α 3 es la medida de la asimetría de una distribución de probabilidad con respecto a su dispersión.
38 Una distribución de probabilidad es asimétrica positiva (a), negativa (b) o simétrica (c) si α 3 > 0, α 3 < 0, o α 3 = 0 respectivamente.
39 El cuarto momento central μ 4 = E(X μ) 4 Es una medida de qué tan puntiaguda es la distribución de probabilidad y recibe el nombre de curtosis. Al igual que para el tercer momento, es preferible emplear el cuarto momento estandarizado, α 4 = μ 4 /(μ 2 ) 2 Como una medida relativa de la curtosis. Si α 4 > 3, la distribución de probabilidad presenta un pico relativamente alto y recibe el nombre de leptocúrtica; si α 4 < 3, la distribución es relativamente plana y recibe el nombre de platicúrtica; y si α 4 = 3, la distribución no presenta un pico ni muy alto ni muy bajo y recibe el nombre de mesocúrtica.
40 La distribución es: A) Leptocúrtica B) Platicúrtica C) Mesocúrtica
41 OTRAS MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN MEDIANA Para cualquier v.a. X, se define a la mediana x 0.5 de X, para ser: P(X < x 0.5 ) 1 2 y P(X x 0.5) 1 2 P(X x 0.5 ) 1 2 si X es discreta si X es continua Si existe uno de estos valores para X, entonces x 0.5 recibe el nombre de mediana de la distribución de X. La mediana es una medida de tendencia central, en el sentido de que es el valor para la cual la distribución de probabilidad se divide en dos partes.
42 MODA Para cualquier v.a. X, se define la moda como el valor x m de X que maximiza la función de probabilidad, si X es discreta, o la función de densidad si X es continua. Si existe uno de estos valores para X, entonces x m recibe el nombre de moda de la distribución de X. Si X es continua la moda es la solución de df(x)/dx=0 si d 2 f(x)/dx 2 <0. Si la segunda derivada es positiva, el valor recibe el nombre de antimoda; éste se encuentra en las distribuciones que tienen forma de U. Si existen varios máximos o mínimos, las distribuciones de probabilidad reciben el nombre de multimodales.
43 RANGO Es la mediada de dispersión más simple. El rango se define como la diferencia entre el mayor valor que puede asumir la variable y el menor valor que puede asumir. Rango = Mayor valor Menor valor DESVIACIÓN MEDIA La desviación media de una v.a. X es el valor esperado de la diferencia absoluta entre X y su media, y está dado por: E X μ = σ toda x x μ p(x) si X es discreta E X μ = x μ fx x dx si X es continua
Part I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas
Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando
Más 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 detallesVariables aleatorias
Variables aleatorias Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 Una variable aleatoria es un valor numérico que se corresponde con
Más 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 detallesExperimento de lanzar 3 monedas al aire. Denominando por (C) a Cara y (X) a Cruz, el espacio muestral será: Ω={CCC,CCX,CXC,XCC,CXX,XCX,XXC,XXX}
1 Tema 3 : Variable Aleatoria Unidimensional 3.1. Concepto de variable aleatoria Se llama variable aleatoria (v.a.) a toda aplicación que asocia a cada elemento del espacio muestral (Ω) de un experimento,
Más detallesCAPÍTULO 6: VARIABLES ALEATORIAS
Página 1 de 11 CAPÍTULO 6: VARIABLES ALEATORIAS En el capítulo 4, de estadística descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y en el capítulo 5 se trataron los fundamentos
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 detalles03 Variables aleatorias y distribuciones de probabilidad
03 Variables aleatorias y distribuciones de probabilidad Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Variables aleatorias discretas: 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 detallesVariables aleatorias. Tema Introducción Variable aleatoria. Contenido
Tema 4 Variables aleatorias En este tema se introduce el concepto de variable aleatoria y se estudian los distintos tipos de variables aleatorias a un nivel muy general, lo que nos permitirá manejar los
Más 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 detallesJulio Deride Silva. 18 de agosto de 2010
Estadística Descriptiva Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 18 de agosto de 2010 Tabla de Contenidos Estadística Descriptiva Julio Deride
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 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 detallesTema 6 - Introducción. Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo.
Tema 6 - Introducción 1 Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo. Generalización Tema 6. Variables aleatorias unidimensionales
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detalles4.1. Definición de variable aleatoria. Clasificación.
Capítulo 4 Variable aleatoria Una variable aleatoria es un valor numérico que corresponde a un resultado de un experimento aleatorio. Algunos ejemplos son: número de caras obtenidas al lanzar seis veces
Más detallesProbabilidad Condicional. Teorema de Bayes para probabilidades condicionales:
Probabilidad Condicional Teorema de Bayes para probabilidades condicionales: Definición: Sea S el espacio muestral de un experimento. Una función real definida sobre el espacio S es una variable aleatoria.
Más detallesVariables Aleatorias Discretas
Unicatólica 15 de agosto de 2016 Variables aleatorias Se dice que hemos definido una variable aleatoria para un experimento aleatorio cuando hemos asociado un valor numérico a cada resultado del experimento.
Más detallesTema 3. VARIABLES ALEATORIAS.
3..- Introducción. Tema 3. VARIABLES ALEATORIAS. Objetivo: Encontrar modelos matemáticos para el trabajo con probabilidad de sucesos. En particular, se quiere trabajar con funciones reales de variable
Más detallesSistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad
Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad Indice 1) Sucesos aleatorios. Espacio muestral. 2) Operaciones con sucesos. 3) Enfoques de la Probabilidad.
Más detallesUnidad III Variables Aleatorias Unidimensionales
Unidad III Variables Aleatorias Unidimensionales En el capítulo anterior se examinaron los conceptos básicos de probabilidad con respecto a eventos que se encuentran en un espacio muestral. Los experimentos
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detallesEstadística Descriptiva en SPSS
Estadística Descriptiva en SPSS Marcelo Rodríguez Ingeniero Estadístico - Magister en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 22 de
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detallesVariables aleatorias
Capítulo 5 Variables aleatorias 5.1. Introducción Normalmente, los resultados posibles (espacio muestral E) de un experimento aleatorio no son valores numéricos. Por ejemplo, si el experimento consiste
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 detallesProcesos estocásticos
Procesos estocásticos Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos del curso 1. Introducción. 2. Procesos a tiempo discreto:
Más detallesTeorema de Bayes(6) Nos interesan las probabilidades a posteriori o probabilidades originales de las partes p i :
Teorema de Bayes(5) 75 Gráficamente, tenemos un suceso A en un espacio muestral particionado. Conocemos las probabilidades a priori o probabilidades de las partes sabiendo que ocurrió A: Teorema de Bayes(6)
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
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 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 detallesGLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos
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 detallesVariables aleatorias
Ejemplo: Suponga que un restaurant ofrecerá una comida gratis al primer cliente que llegue que cumpla años ese día. Cuánto tiene que esperar el restaurant para que la primera persona cumpliendo años aparezca?
Más detallesDistribuciones de Probabilidad para Variables Aleatorias Discretas 1
Distribuciones de Probabilidad para Variables Aleatorias Discretas Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística,
Más detalles1. Variables Aleatorias Discretas
Tema 4: Variables Aleatorias Modelos de Probabilidad 1. Variables Aleatorias Discretas Lo que pretendemos en este tema es transformar el problema de la asignación de probabilidades a otro consistente en
Más detallesEl Método Científico. Metodología de Investigación. Te sifón Parrón
El Método Científico Metodología de Investigación Te sifón Parrón Bioestadística Para qué sirve la Bioestadística? DESCRIPTIVA Sistematización, recogida, ordenación y presentación de los datos referentes
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 detallesDisponible en el sitio OCW de la Universidad Nacional de Córdoba.
OCW - UNC OpenCourseWare I UNC Curso: Estadística I U 4. Variables Aleatorias Autora: Rosanna Casini Cómo citar el material: Disponible en el sitio OCW de la Universidad Nacional de Córdoba. Casini, Rosanna
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 detallesVARIABLES ALEATORIAS INTRODUCCIÓN
DOCENTE: SERGIO ANDRÉS NIETO DUARTE CURSO: ESTADÍSTICA DE LA PROBABILIDAD VARIABLES ALEATORIAS INTRODUCCIÓN Normalmente, los resultados posibles (espacio muestral E) de un experimento aleatorio no son
Más detallesAsimetría Coeficiente de Asimetría de Fisher
Asimetría Si los valores de la serie de datos presenta la misma forma a izquierda y derecha de un valor central (media aritmética) se dice que es simétrica de lo contrario será asimétrica. Para medir el
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 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 CONTINUAS 1º Bto. CC.SS.
VARIABLE ALEATORIA CONTINUA VARIABLES ALEATORIAS CONTINUAS º Bto. CC.SS. Una variable aleatoria es continua si puede tomar, al menos teóricamente, todos los valores comprendidos en un cierto intervalo
Más detallesCálculo de probabilidad. Tema 3: Variables aleatorias continuas
Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice
Más detallesUNIDAD I. ESTADISTICA
MEDIDAS DE ESTADÍSTICA DESCRIPTIVA (Tomado de: http://www.universidadabierta.edu.mx/serest/map/metodos%20cuantitativos/py e/tema_12.htm) UNIDAD I. ESTADISTICA 1.2 Medidas Descriptivas MEDIDAS DESCRIPTIVAS
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 detallesFormas de una Curva de Frecuencias
Formas de una Curva de Frecuencias Cuando se tiene una muestra de las observaciones de una variable, éstas se pueden graficar a través de un polígono de frecuencias relativas. Cuando este polígono es suavizado,
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 detallesEspacio descriptivo S: Es el conjunto de todos los resultados posibles de un experimento aleatorio.
Modelo normal ClassPad 330 Prof. Jean-Pierre Marcaillou INTRODUCCIÓN La calculadora CASIO ClassPad 330 dispone de la Aplicación Estadística y de la Aplicación Principal para realizar los cálculos correspondientes
Más detallesSe refiere a un conjunto de métodos para manejar la obtención, presentación y análisis de observaciones numéricas.
Diana Cobos del Angel Se refiere a un conjunto de métodos para manejar la obtención, presentación y análisis de observaciones numéricas. 1 Sus fines son describir al conjunto de datos obtenidos y tomar
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 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 detallesEstadística. Tema 3. Esperanzas Esperanza. Propiedades Varianza y covarianza. Correlación
Estadística Tema 3 Esperanzas 31 Esperanza Propiedades 32 Varianza y covarianza Correlación 33 Esperanza y varianza condicional Predicción Objetivos 1 Medidas características distribución de VA 2 Media
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesEstadística Descriptiva y Probabilidad FORMULARIO
Estadística Descriptiva y Probabilidad FORMULARIO Departament d Estadística i Investigació Operativa Universitat de València Angel Corberán Francisco Montes 2 3 Capítulo 1 Estadística Descriptiva 1.1.
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E un número real: X: E Ejemplo: Consideremos el experimento
Más detallesUNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN. Tema: LA INTEGRAL DEFINIDA
UNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN Tema: LA INTEGRAL DEFINIDA La integral definida Anteriormente se mencionó que la Integral Indefinida da como resultado una familia de funciones
Más detalles03 Variables aleatorias y distribuciones de probabilidad
03 Variables aleatorias y distribuciones de probabilidad Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Variables aleatorias discretas: función
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)
TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar
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 detalles03 Variables aleatorias y distribuciones de probabilidad. Contenido. Variable aleatoria
03 Variables aleatorias y distribuciones de probabilidad Contenido Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Variable aleatoria Sea Ω un espacio muestral.
Más detallesCap. 3 : Variables aleatorias
Cap. 3 : Variables aleatorias Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 16 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de sistemas,
Más detalles03 Variables aleatorias y distribuciones de probabilidad
03 Variables aleatorias y distribuciones de probabilidad Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Variables aleatorias discretas: función
Más detallesAgenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria continua. Varianza. 2
Curso de nivelación Estadística y Matemática Cuarta clase: Distribuciones de probablidad continuas Programa Técnico en Riesgo, 2016 Agenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria
Más detallesVariables Aleatorias Discretas
Profesor Alberto Alvaradejo Ojeda 9 de septiembre de 2015 Índice 1. Variable aleatoria 3 1.1. Discretas...................................... 3 1.2. Continuas..................................... 3 1.3.
Más detallesCLASE 2 INTRODUCCION A LA ESTADISTICA
CLASE 2 INTRODUCCION A LA ESTADISTICA Medidas descriptivas Medidas de Centralización o Tendencia Central Nos dan un centro de la distribución de frecuencias, es un valor que se puede tomar como representativo
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesPREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2
PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad las reglas mátemáticas de la probabilidad no son simplemente reglas para calcular frecuencias de variables aleatorias;
Más detallesMuestreo y Distribuciones en el Muestreo
Muestreo y Distribuciones en el Muestreo Departamento de Estadística-FACES-ULA 03 de Abril de 2013 Introducción al Muestreo En algunas ocaciones es posible y práctico examinar a cada individuo en el Universo
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 5 Esperanza y momentos Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Más detalles1. Experimentos aleatorios
1. Eperimentos aleatorios La eperimentación es útil porque si se supone que llevamos a cabo ciertos eperimentos bajo condiciones esencialmente idénticas se llegará a los mismos resultados. En estas circunstancias,
Más detallesAnálisis de datos y gestión n veterinaria. Tema 1 Estadística descriptiva. Prof. Dr. José Manuel Perea Muñoz
Análisis de datos y gestión n veterinaria Tema 1 Estadística descriptiva Prof. Dr. José Manuel Perea Muñoz Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, de Septiembre
Más detallesDistribución normal estándar. Juan José Hernández Ocaña
Distribución normal estándar Juan José Hernández Ocaña Tipos de variables jujo386@hotmail.com Tipos de variables Cualitativas Son las variables que expresan distintas cualidades, características o modalidades.
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesVariables aleatorias continuas, TCL y Esperanza Condicional
Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función
Más detallesCapítulo 1. Teoría de la probabilidad Teoría de conjuntos
Capítulo 1 Teoría de la probabilidad 1.1. Teoría de conjuntos Definición 1.1.1 El conjunto S de todos los posibles resultados de un experimento aleatorio es llamado el espacio muestral. Un espacio muestral
Más detallesRecopilación: Camerina Laura Ramírez G. ESTADÍSTICA. Recopilación: Camerina Laura Ramírez G.
ESTADÍSTICA DEFINICIÓN La Estadística es una disciplina que utiliza recursos matemáticos para organizar y resumir una gran cantidad de datos obtenidos de la realidad, e inferir conclusiones respecto de
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 detallesDistribuciones multivariadas
Distribuciones multivariadas Si X 1,X 2,...,X p son variables aleatorias discretas, definiremos la función de probabilidad conjunta de X como p(x) =p(x 1,x 2,...,x k )=P (X 1 = x 1,X 2 = x 2,...,X p =
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 detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para
Más detallesCap. Distribuciones de. probabilidad. discreta. Distribuciones de probabilidad. discreta Pearson Prentice Hall. All rights reserved
Cap 6 36 Distribuciones de Distribuciones de probabilidad discreta probabilidad discreta Variables aleatorias Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio
Más detallesTema 2: Variables Aleatorias Unidimensionales
Tema 2: Variables Aleatorias Unidimensionales Teorı a de la Comunicacio n Curso 27-28 Contenido 1 Concepto de Variable Aleatoria 2 Función Distribución 3 Clasificación de Variables Aleatorias 4 Función
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 6 Nombre: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Las variables aleatorias discretas son aquellas
Más detallesTema 4: Variables aleatorias multidimensionales
Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia
Más detallesUNIDAD 7 Medidas de dispersión
UNIDAD 7 Medidas de dispersión UNIDAD 7 MEDIDAS DE DISPERSIÓN Al calcular un promedio, por ejemplo la media aritmética no sabemos su representatividad para ese conjunto de datos. La información suministrada
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 detallesPROCESOS ALEATORIOS. Capítulo AXIOMAS DE PROBABILIDAD
Capítulo 2 PROCESOS ALEATORIOS Los procesos aleatorios son importantes porque en casi todos los aspectos de la vida se presentan este tipo de situaciones en donde el comportamiento de un fenómeno o evento
Más detallesProbabilidad Condicional. Teorema de Bayes para probabilidades condicionales:
Probabilidad Condicional Teorema de Bayes para probabilidades condicionales: Definición: Variables aleatorias Sea S el espacio muestral de un experimento. Una función real definida sobre el espacio S es
Más detallesDistribuciones Continuas
Capítulo 5 Distribuciones Continuas Las distribuciones continuas mas comunes son: 1. Distribución Uniforme 2. Distribución Normal 3. Distribución Eponencial 4. Distribución Gamma 5. Distribución Beta 6.
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 detalles