Apuntes de Clases. Modelos de Probabilidad Discretos
|
|
- Juan Francisco Maestre Martín
- hace 6 años
- Vistas:
Transcripción
1 2010
2 Índice 1. Distribución de Bernouilli 2 2. Distribución Binomial 3 3. Distribución Hipergeométrica 3.1. Aproximación Binomial de la distribución Hipergeométrica Distribución Geométrica 9. Distribución de Poisson Aproximación usando Poisson de la distribución Binomial Universidad Tecnológica INACAP 1 Ricardo Salinas P.
3 1. Distribución de Bernouilli Si X es una variable aleatoria discreta, se dice que X sigue una distribución de probabilidad de Bernouilli, si su función de probabilidad está dada por: fx; p = p x q 1 x ; si x = 0, 1 0 ; T.O.P Donde, p: probabilidad de éxito. q = 1 p: probabilidad de fracaso. x: número de éxitos. Esta distribución se utiliza en experimentos con dos resultados posibles, caso favorable éxito y caso desfavorable fracaso. X se distribuye Bernouilli se denota por X bp, donde p se denomina parámetro de la distribución. La media y la varianza para X bp son: µ = EX = p σ 2 = V X = p q = p 1 p Ejemplo 1.1 Una máquina produce 00 artículos mensuales, de los cuales 2 resultaron defectuosos. Si se elige un artículo al azar: 1. Cuál es la probabilidad de que resulte defectuoso? 2. Cuál es la probabilidad de que resulte bueno? 3. Cuál es la media y la varianza? Caso favorable éxito:. El artículo resulta defectuoso. Caso desfavorable fracaso:. El artículo resulta bueno. Universidad Tecnológica INACAP 2 Ricardo Salinas P.
4 probabilidad de éxito: p = 2 = 0, 0 00 probabilidad de fracaso: q = 1 p = 1 0, 0 = 0, 9 1. P X = 1 = 0, 0 1 0, 9 0 = 0, 0 2. P X = 1 = 0, 0 0 0, 9 1 = 0, 9 3. µ = EX = 0, 0 σ 2 = V X = 0, 0 0, 9 = 0, Distribución Binomial Sea X una variable aleatoria discreta, se dice que X sigue una distribución de probabilidad Binomial, si su función de probabilidad está dada por: fx; n, p = n x p x q n x ; si x = 0, 1, 2,..., n 0 ; T.O.P Donde, p: probabilidad de éxito. q = 1 p: probabilidad de fracaso. x: número de éxitos. n: número de pruebas. La distribución Binomial se utiliza en experimentos con dos resultados posibles, caso favorable éxito, caso desfavorable fracaso y donde se realizan pruebas repetidas e independientes del mismo experimento, es decir en experimentos con reemplazo. Universidad Tecnológica INACAP 3 Ricardo Salinas P.
5 P X = x = n x p x q n x Probabilidad de que ocurran exactamente x éxitos en n pruebas repetidas. X se distribuye Binomial se denota por X Bn, p, donde n y p se denominan parámetros de la distribución. La media y la varianza para X Bn, p son: µ = EX = np σ 2 = V X = npq = np1 p Ejemplo 2.1 Se sabe que el 1 % de las fallas de cierta marca de motores se deben al desgaste de las escobillas. si se seleccionan al azar motores con reemplazo de dicha marca. Calcular: 1. La probabilidad de que exactamente 2 motores fallen por desgaste de las escobillas. 2. La probabilidad de que a lo más 2 motores fallen por desgaste de las escobillas. 3. La probabilidad de que a lo menos 4 motores fallen por desgaste de las escobillas. 4. EX y V X. probabilidad de éxito: p = 0, 1 probabilidad de fracaso: q = 1 p = 0, 8 número de pruebas: n = 1. P X = 2 = 2 0, 1 2 0, 8 3 = 0, 1381 Universidad Tecnológica INACAP 4 Ricardo Salinas P.
6 2. P X 2 = P X = 0 + P X = 1 + P X = 2 = 0 0, 1 0 0, , 1 1 0, , 1 2 0, 8 3 = 0, , , 1381 = 0, P X 4 = P X = 4 + P X = = 4 0, 1 4 0, , 1 0, 8 0 = 0, , = 0, EX = 0, 1 = 0, 7 y V X = 0, 1 0, 8 = 0, Distribución Hipergeométrica La distribución Hipergeométrica se utiliza en situaciones de experimentos sin reemplazo donde el tamaño de la muestra es un porcentaje considerable del de la población. Considerense N objetos de los cuales k son éxitos y el resto N k son fracasos, si se seleccionan n de los N objetos, es decir n pruebas no independientes, la Distribución Hipergeométrica permite calcular la probabilidad de obtener x éxitos en las n pruebas. Si X es una variable aleatoria discreta, se dice que X sigue una distribución de probabilidad Hipergeométrica, si su función de probabilidad está dada por: Universidad Tecnológica INACAP Ricardo Salinas P.
7 fx; k, n, p = k x N k n x N ; si x = 0, 1, 2,..., k n 0 ; T.O.P Donde, N: número total de objetos. n: número de pruebas. k: número de éxitos. x: número de éxitos en las n pruebas. P X = x = k x N k n x N n Probabilidad de obtener exactamente x éxitos en n pruebas no independientes. X se distribuye Hipergeométrica se denota por X Hk, n, p, donde k, n y p se denominan parámetros de la distribución. La media y la varianza para X Hk, n, p son: µ = EX = nk N σ 2 = V X = n k N 1 k N n n N 1 Universidad Tecnológica INACAP 6 Ricardo Salinas P.
8 3.1. Aproximación Binomial de la distribución Hipergeométrica Para la población completa N objetos, la probabilidad de un éxito y un fracaso son: p = k N Reemplazando en µ y σ 2, se tiene y q = 1 p = 1 k N µ = EX = np y σ 2 = V X = np q N n N 1 Si N ó n es un porcentaje pequeño en relación a N, se tiene que N n 1 N 1 Por tanto, µ = EX = np y σ 2 = V X = npq Estas expresiones corresponden a la media y la varianza de una Binomial, por lo que X se puede aproximar usando la distribución Binomial n P X = x = p x q n x x Donde, p = k N y q = 1 p = 1 k N Como regla general, se puede utilizar la distribución Binomial para aproximar la distribución Hipergeométrica de experimentos sin reemplazo, siempre que el tamaño de la muestra sea menor al % del tamaño de la población, es decir cuando n < 0, 0N. Ejemplo 3.1 Para un trabajo en una empresa se presentan 10 postulantes, de los cuales 6 son hombres y 4 mujeres. Si se seleccionan al azar y sin reemplazo solicitudes de empleo, calcular la probabilidad de que: 1. exactamente 3 de las solicitudes sean de hombres. 2. a lo más 1 de las solicitudes sea de mujer. Universidad Tecnológica INACAP 7 Ricardo Salinas P.
9 1. éxito:. el postulante sea hombre N = 10, n =, k = 6, x = 3 P X = 3 = = = 0, éxito:. el postulante sea mujer N = 10, n =, k = 4, x 1 P X 1 = P X = 0+P X = 1 = = = 0, 2619 Ejemplo 3.2 Una fábrica produce un día cualquiera 10 tornillos de los cuales 12 resultan defectuosos. Si se eligen al azar y sin reemplazo 6 tornillos, Cuál es la probabilidad de que exactamente 2 resulten defectuosos? éxito:. el tornillo resulta defectuoso. N = 10, n = 6, k = 12, x = 2 Por ser un experimento sin reposición y n < 0, 0N, usamos la aproximación Binomial de la distribución Hipergeométrica. Donde p = 12 = 0, 08 y q = 1 p = 0, Por tanto, P X = 2 = 6 2 0, , 92 4 = 0, 0687 Universidad Tecnológica INACAP 8 Ricardo Salinas P.
10 4. Distribución Geométrica Si X es una variable aleatoria discreta, se dice que X sigue una distribución de probabilidad Geométrica, si su función de probabilidad está dada por: fx; p = p x 1 p x 1 ; si x = 1, 2, 3, ; T.O.P Donde, p: probabilidad de éxito. x: número de repeticiones. Esta distribución se utiliza en experimentos con dos resultados posibles, caso favorable éxito y caso desfavorable fracaso y permite calcular la probabilidad de obtener el primer éxito después de un número determinado de repeticiones independientes del experimento en idénticas condiciones. P X = x = p x 1 p x 1 Probabilidad de encontrar el primer éxito en la x - ésima repetición X se distribuye Geométrica se denota por X Gp, donde p se denomina parámetro de la distribución. La media y la varianza para X Gp son: µ = EX = 1 p σ 2 = V X = 1 p p 2 Universidad Tecnológica INACAP 9 Ricardo Salinas P.
11 Ejemplo 4.1 En Servivicios de Impuestos Internos se sabe que 20 de cada 100 declaraciones de renta presenta errores. 1. Cuál es la probabilidad de que la tercera declaración revisada sea la primera en contener errores? 2. Si el cada declaración demora 2 minutos en ser revisada. Cuántos minutos en promedio pasan hasta que se encuentra el primer error en una declaración? 1. éxito: La declaración presenta errores p = = 0, 2 P X = 3 = 0, 2 3 0, 8 2 = 0, EX = 1 p = 1 0, 2 = Minutos que pasan hasta encontrar el primer error M = 2X EM = E2X = 2EX = 10 minutos. Distribución de Poisson Sea X una variable aleatoria discreta, se dice que X sigue una distribución de probabilidad de Poisson, si su función de probabilidad está dada por: fx; λ = e λ λ x x! ; si x = 0, 1, 2, 3, 4,... 0 ; T.O.P Universidad Tecnológica INACAP 10 Ricardo Salinas P.
12 Donde, λ: número promedio de éxitos en la unidad de tiempo o área. x: número de éxitos. La distribución de Poisson se utiliza para calcular la probabilidad de obtener un número determinado de éxitos en un intervalo de tiempo o en una área específica. Algunos ejemplos de variables que se distribuyen Poisson son: 1. Variables relacionadas con tiempo: a Número de fallas de una máquina en una semana. b Número de personas que llegan a un servicio de urgencias en una hora determinada. c Número de llamadas que entran a una central telefónica cada diez minutos. 2. Variables relacionadas con áreas o espacios: a Número de errores de mecanografía por página. b Número de habitantes por kilómetro cuadrado. P X = x = e λ λ x x! Probabilidad de que ocurran exactamente x éxitos en la unidad de tiempo o área especificada. X se distribuye Poisson se denota por X P λ, donde λ se denomina parámetro de la distribución. La media y la varianza para X P λ son: µ = EX = λ σ 2 = V X = λ Universidad Tecnológica INACAP 11 Ricardo Salinas P.
13 Ejemplo.1 Una central telefónica recibe en promedio 6 llamadas cada media hora. 1. Cuál es la probabilidad de que se reciban exactamente 4 llamadas en media hora? 2. Cuál es la probabilidad de que se reciban más de 2 llamadas cada media hora? 3. Cuál es la probabilidad de que se reciba exactamente 1 llamada cada diez minutos? 1. λ = 6 en 30 minutos P X = 4 = e ! = 3, = 0, λ = 6 en 30 minutos P X > 2 = 1 P X 2 = 1 [P X = 0 + P X = 1 + P X = 2] = 1 e ! + e ! + e ! = 1 0, , , 0446 = 0, λ = 2 en 10 minutos P X = 1 = e ! = 0, 2706 Universidad Tecnológica INACAP 12 Ricardo Salinas P.
14 .1. Aproximación usando Poisson de la distribución Binomial Si X Bn, p, en los casos en que n es grande y la probabilidad p está cerca de cero, es posible usar la distribución de Poisson para aproximar la distribución Binomial. Como regla general, se considera está aproximación cuando n 0 y np <. Luego X P λ con λ = np Ejemplo.2 En una cierta comunidad la probabilidad de que una persona infectada por neumonía muera es 0,002. Si se eligen 2000 mil personas infectadas al azar cuál es la probabilidad de que exactamente mueran? En este caso X B2000, 0, 002. Sin embargo se cumplen las condiciones para aproximar la distribución a una Poisson. n = y np = 4 <. Por tanto, considerando λ = np = 4, se tiene que X P λ. P X = = e 4 4! = 18, = 0, 162 Universidad Tecnológica INACAP 13 Ricardo Salinas P.
JUEGO 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 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 detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más 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 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 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 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 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 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 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 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 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 detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesEstadística 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 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 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 detallesCondiciones para una distribución binomial
ESTADÍSTICA INFERENCIAL FUNCIONES DE PROBABILIDAD DISCRETAS: BINOMIAL y POISSON EJERCICIOS RESUELTOS DE FUNCIÓN DE PROBABILIDAD BINOMIAL USANDO TABLAS y EXCEL Prof.: MSc. Julio R. Vargas A. Fórmulas de
Más detallesINFERENCIA DE LA PROPORCIÓN
ESTADISTICA INFERENCIA DE LA PROPORCIÓN DISTRIBUCIÓN MUESTRAL DE PROPORCIONES En una población la proporción de elementos (personas, animales, cosas o entes) que posee una cierta característica es p. En
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 detallesDefinición 4.1 Diremos que una variable aleatoria discreta X tiene una distribución Uniforme de parámetro N, N 1, si. rg(x) = {1, 2,...
Índice 4 MODELOS DE DISTRIBUCIONES 4.1 4.1 Introducción.......................................... 4.1 4.2 Modelos de distribuciones discretas............................. 4.1 4.2.1 Distribución Uniforme
Más 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 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 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 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 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 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 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 detallesEJERCICIOS DE DISTRIBUCION NORMAL, BINOMIAL Y POISSON
EJERCICIOS DE DISTRIBUCION NORMAL, BINOMIAL Y POISSON 1. Si 15 de 50 proyectos de viviendas violan el código de construcción, Cuál es la probabilidad de que un inspector de viviendas, que selecciona aleatoriamente
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 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 detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más 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 detallesLa distribución normal
La Distribución Normal Es una distribución continua que posee, entre otras, las propiedades siguientes: Su representación gráfica tiene forma de campana ( campana de Gauss ) -6-4 -2 0 2 4 6 2 4 6 8 10
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 detallesTema 5. Variables aleatorias discretas
Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso
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 detallesProblemas. Variables Aleatorias. Modelos de Probabilidad
Problemas. Variables Aleatorias. Modelos de Probabilidad Ejemplos resueltos y propuestos Variables Aleatorias Discretas Una variable aleatoria discreta X de valores x 1, x 2,..., x k con función de probabilidad
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 detallesConcepto de Probabilidad
Concepto de Probabilidad Prof. Miguel Hesiquio Garduño. Est. Mirla Benavides Rojas Depto. De Ingeniería Química Petrolera ESIQIE-IPN hesiquiogm@yahoo.com.mx mbenavidesr5@gmail.com PROBABILIDAD En cualquier
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 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 detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
Más 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 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 detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
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 detallesClase 6: Algunas Distribuciones de Probabilidad Discreta
Clase 6: Algunas Distribuciones de Probabilidad Discreta Distribución Uniforme discreta La más simple de todas las distribuciones de probabilidad discreta es una donde la v.a. toma cada uno de sus valores
Más detallesUn experimento binomial posee las siguientes características: 1. El experimento consiste de n ensayos repetidos.
Experimento Binomial Experimento que consiste en ensayos independientes repetidos, cada uno con dos posibles resultados que se denominan éxito y fracaso, donde la probabilidad de éxito es la misma en cada
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 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 detallesDISTRIBUCIÓN NORMAL. > = P (Z > 0,6) = 0, El 72,58% de las vacas pesa más de 570 kg. Puede esperarse que 73 vacas superen ese peso.
DISTRIBUCIÓN NORMAL 1. El peso de las 100 vacas de una ganadería se distribuye según una normal de media 600 kg y una desviación típica de 50 kg. Se pide: Cuántas vacas pesan más de 570 kilos? Cuántas
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 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 detallesEstadística y sus aplicaciones en Ciencias Sociales 2. Modelos de probabilidad
Estadística y sus aplicaciones en Ciencias Sociales 2. Modelos de probabilidad Facultad de Ciencias Sociales Universidad de la República Curso 2016 Índice 2.1. Variables aleatorias: funciones de distribución,
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Una carpintería vende paneles de contrachapado de dos tipos A y B.
Más detallesObjetivo: Entender la diferencia entre una desviación y una distribución. Reconocer los tipos de desviaciones y distribuciones.
PROBABILIDAD Y ESTADÍSTICA Sesión 2 2 MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS DISCRETOS 2.1 Definición de variable aleatoria discreta 2.2Función de probabilidad y de distribución 2.3 Valor esperado
Más detallesAl conjunto de todos los sucesos que ocurren en un experimento aleatorio se le llama espacio de sucesos y se designa por S. Algunos tipos de sucesos:
1.- CÁLCULO DE PROBABILIDADES. Un experimento aleatorio es aquel que puede dar lugar a varios resultados, sin que pueda ser previsible enunciar con certeza cuál de éstos va a ser observado en la realización
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 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 detalles5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD
Distribución normal 5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD La distribución continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. Su grafica, que se denomina
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 detallesHemos visto que si se tira una moneda (con p = P (cruz)) n veces, entonces el número de cruces se distribuye como binomial.
La distribución geométrica Hemos visto que si se tira una moneda (con p = P (cruz)) n veces, entonces el número de cruces se distribuye como binomial. Consideramos otro experimento relacionado. Vamos a
Más detallesDISTRIBUCIONES DE PROBABILIDAD DISCRETA (PARTE 2)
Probabilidad DISTRIBUCIONES DE PROBABILIDAD DISCRETA (PARTE 2) Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 4.1-1 EJEMPLO Calcular σ y σ 2 para una variable aleatoria discreta
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o 2 Profesor: Hugo S. Salinas. Primer Semestre 20. El gerente
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 con la calculadora científica Classwiz FX-570/991 SP XII
Distribuciones de probabilidad con la calculadora científica Classwiz FX-570/99 SP XII José Mª Chacón Íñigo IES Llanes, Sevilla Te explicamos como realizar la operación de distribución de probabilidad
Más detallesHOJA DE TRABAJO UNIDAD 3
HOJA DE TRABAJO UNIDAD 3 1. Defina que es probabilidad Es el estudio de experimentos aleatorios o libres de determinación, el resultado es al azar. Se refiere al estudio de la aleatoriedad y a la incertidumbre.
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 detallesIntroducción al Tema 8. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones.
Introducción al Tema 8 1 Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. V.A. de uso frecuente Tema 7. Modelos probabiĺısticos discretos
Más detallesAutor: Mariano Morettini Profesor Adjunto
UNIVERSIDAD NACIONAL DE MAR DEL PLATA FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES APROXIMACIONES DE DISTRIBUCIONES DE PROBABILIDAD: ENFOQUE EMPÍRICO Carrera: Licenciatura en Economía Cátedra: Estadística
Más detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
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 detallesModelos de distribuciones discretas
Tema 4 Modelos de distribuciones discretas En este capítulo estudiaremos las distribuciones discretas más importantes. importancia es doble, por las aplicaciones y por su relevancia conceptual. De nuevo,
Más detallesBioestadística. Curso Capítulo 3
Bioestadística. Curso 2012-2013 Capítulo 3 Carmen M a Cadarso, M a del Carmen Carollo, Xosé Luis Otero, Beatriz Pateiro Índice 1. Introducción 2 2. Variable aleatoria 2 2.1. Variables aleatorias discretas...............................
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 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 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 detallesTema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES
Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES 1.- Definición de variable aleatoria discreta. Normalmente, los resultados posibles (espacio muestral Ω) de un experimento aleatorio no son
Más detallesINFERENCIA ESTADÍSTICA
INFERENCIA ESTADÍSTICA 1. DEFINICIÓN DE INFERENCIA ESTADÍSTICA Llamamos Inferencia Estadística al proceso de sacar conclusiones generales para toda una población a partir del estudio de una muestra, así
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 detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD Maestría en Administración Universidad Nacional Autónoma de México DISTRIBUCIONES DE PROBABILIDAD Introducción Una distribución de probabilidad indica toda la gama de valores
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 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 DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD Se llama variable aleatoria a toda función que asocia a cada elemento del espacio muestral E un número real. Una variable aleatoria discreta es aquella que sólo puede tomar
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 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 detallesDISTRIBUCIONES DE PROBABILIDAD BINOMIAL
Probabilidad DISTRIBUCIONES DE PROBABILIDAD BINOMIAL Copyright 21, 27, 24 Pearson Education, Inc. All Rights Reserved. 4.1-1 Ejemplo de repaso Use la siguiente distribución de probabilidad para contestar
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 detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesDistribuciones unidimensionales discretas
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Distribución de Bernouilli de parámetro p 2 3 4 5 6 7 Distribución de Bernouilli de parámetro p Experimento de Bernouilli Es un experimento
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más 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 detallesLa distribución normal o gaussiana es la distribución. Definición 42 Se dice que una variable X se distribuye como normal con parámetros µ y σ si
La distribución normal La distribución normal o gaussiana es la distribución continua más importante. Definición 42 Se dice que una variable X se distribuye como normal con parámetros µ y σ si f(x) = 1
Más detallesTema 5: Principales Distribuciones de Probabilidad
Tema 5: Principales Distribuciones de Probabilidad Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 5: Principales Distribuciones de Probabilidad
Más detallesJUNIO Opción A
Junio 010 (Prueba Específica) JUNIO 010 Opción A 1.- Discute y resuelve según los distintos valores del parámetro a el siguiente sistema de ecuaciones: a x + a y + az 1 x + a y + z 0.- Una panadería se
Más 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 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 detalles