Dónde estamos? MODELOS DE PROBABILIDAD
|
|
- María Victoria Aranda Méndez
- hace 6 años
- Vistas:
Transcripción
1 Dónde estamos? MODELOS DE PROBABILIDAD DESCR. 98 CÁLC. P. Probabilidad INFERENCIA 988 MODELOS DISCRETOS MODELOS CONTINUOS TEOREMA CENTRAL DEL LÍMITE Variables aleatorias Modelos de robabilidad Emilio Letón Dto. Estadística, UC3M YT: DLICBTO I could be your sea of sand I could be your warmth of desire I could be your rayer of hoe I could be ordinary I could be your green eyed monster Frentes abiertos P P(suceso) ( a < X b )
2 Catálogo de modelos MODELOS DISCRETOS X A qué se arece diag. barras / hist.? Uniforme discr., Bernoulli, Binomial Geométrica, Poisson x i Naturaleza del fenómeno MODELOS CONTINUOS TEOREMA CENTRAL DEL LÍMITE MODELOS DISCRETOS F P ( x ) P ( X x ) ( xi ) x x i ( a < X b ) ( x ) a < x b i i Media y varianza E V [ ] n n X x ( x ) x [ ] [ X ] E ( X E [ X ]) E [ ] X E [ X ]
3 Otras estadísticos [( ) ] k k X µ ( x ) ( x ) E µ [ X ] CV D E [ X ] [ X ] x Uniforme discreta E{S,,S k } {,,k} Función de robabilidad (/) X... k ( )... ( k ) UniD ( k ) Función de robabilidad (/) ( x ) x,..., k k
4 F(x) (/) 0 L, / k, / k + / k,..., x < x < x < 3 k x F(x) (/) Media E [ X ] Varianza (/) E [ ] X ( +) k k + k + 6 ( )( )
5 Varianza (/) V [ X ] ( k + )( k + ) ( k ) + 6 Resumen: uniforme discreta k ( ) Bernoulli Función de robabilidad (/) { S, } {,0} E S X 0 ( ) Ber James Bernoulli (Jaime, Jacobo, Santiago, Iago); fin XVII
6 Función de robabilidad (/) ( ) 0,, x x x F(x) (/) < < x x x, 0, 0, 0 F(x) (/) Media [ ] X E
7 Varianza (/) E [ ] X Varianza (/) V [ X ] q CAS CAS [ X ] µ 3 E X 3 σ σ [( ) ] 3 µ 3 CV CV [ X ] q q q q
8 Resumen: Bernoulli Binomial Número de éxitos observados al reetir n veces un exerimento Bernoulli E { SSS, SSS, SSS, SSS S SS, SSS, SSS, SSS } { 0,,,3 } Función de robabilidad (/3) 0... n X Bin, ( 0)... ( n ) ( n ) Función de robabilidad (/3) n x ( ) ( ) n x x x
9 Función de robabilidad (3/3) n x ( ) ( ) n x x x F(x) (/) q q n n 0,, + nq n...,, x < 0 0 x < x < n x F(x) (/) Media (/) E [ X ] ( ) Ber ( ) Bin ( n ) Ber,
10 Media (/) E [ X ] Varianza V [ X ] n nq Resumen: binomial Geométrica... Número de reeticiones de un exerimento Bernoulli hasta obtener el rimer éxito E { S, SS, SSS, SSSS,... } {,,3,... }
11 Función de robabilidad (/3) Función de robabilidad (/3) X ( ) ( ) Geo ( ) x ( x ) ( ) Función de robabilidad (3/3) F(x) (/) x ( x ) ( ) + 0 ( ),,, x < x < x < 3
12 F(x) (/) Media E [ X ] S Varianza (/) Varianza (/) E [ ] X S +q + q q V + q [ X ] q
13 Resumen: geométrica Series 0 + a0r + a0 + S a r... Ejemlo ( ) + ( ) +... S + Ejemlo S + q + 3q + Sq q + q + 3q
14 Ejemlo 3 Resumen: series S + 4q + 9q +... ( S Sq ) S ( q ) q + q q Poisson Poi: función de robabilidad (/4) Número de aarición de sucesos a lo largo de un soorte continuo (tiemo, área, longitud, ) X 0 ( 0) ( ) ( ) Poi Médico militar fr; fin. XIX
15 Poi: función de robabilidad (/4) Poi: función de robabilidad (3/4) Poi: función de robabilidad (4/4) F(x) (/) ( x )... e λ x λ x! e e λ λ 0 + e λ λ,,, x < 0 0 x < x < 3
16 F(x) (/) Media E [ X ] λ Varianza (/) E [ ] X Varianza (/) V [ X ] λ + λ λ λ + λ λ
17 Resumen: Poisson Reroductibilidad Poisson X i v. a. i. i. d. Poi ( λ ) i n i X i Poi n i λi Ejemlo Resumen: rerod. Poisson Llamadas a una centralita son suc. ind. y con una media de 5 llamadas al minuto. Describir: X: número de llamadas en un minuto Y: número de llamadas en una hora λ x 5 llam. min. λ y 300 llam. h.
18 MODELOS DISCRETOS MODELOS CONTINUOS Uniforme continua, Normal, Exonencial, Weibull, LNormal, Ji-Cuadrado, t-student, F MODELOS CONTINUOS F x ( x ) P ( X x ) f ( t )dt P b ( a < X b ) f ( x )dx a TEOREMA CENTRAL DEL LÍMITE Media y varianza E V [ ] n n X x f ( x )dx + [ ] [ X ] E ( X E [ X ]) E [ ] X E [ X ] Otras estadísticos E [( ) ] k k X µ ( x µ ) f ( x )dx [ X ] CV D E + [ X ] [ X ]
19 Uniforme continua Función de densidad (/) Función de densidad (/) F(x) (/)
20 F(x) (/) Media E [ X ] ( ) a +b Varianza (/) E [ ] X Varianza (/) V [ ] ( ) ( a + b ) X a + b + ab ( a + b + ab ) ( b a )
21 CAS CAS [ X ] µ 3 E X 3 σ σ [( ) ] 3 µ 3 Resumen: uniforme continua b a 3 ( a + b ) Normal Función de densidad (/3) f ( x ) e σ π σ ( x µ ) ( ) µ,σ X N, x R
22 Función de densidad (/3) f ( z ) e, z R π µ Z X σ z Z N ( 0,) Función de densidad (3/3) F(x) (/) F(x) (/) F x ( x ) P ( X x ) f ( t )dt Tablas
23 Media E [ X ] Varianza (/) E [ ] X µ µ + σ Varianza (/) V [ X ] µ + σ σ Proiedades (/4) - Tiene forma de camana. - Simétrica alrededor de µ media, mediana, moda. - El.i. de su curvatura está a distancia sigma de su eje de simetría. σ
24 Proiedades (/4) k %Obs. Cheb. Cheb.S.U. 68.3% 0% 55.6% 95.4% 75.0% 88.9% % 88.9% 97.%.96 95% 74.0% 88.4% Proiedades (3/4) X N ( µ, σ ) ( a + bµ b σ ) a + bx N, Proiedades (4/4) n X i i a i ( µ, σ ) v. a. i. i. d N. X i i N n i i i i n i i a µ, a σ Resumen: normal
25 Función Q Q ( x ) P ( X > x ) Φ( x ) Q: roiedades (/) Q ( x ) Q ( x ) t + + x f ( t ) dt e dt x π Q: roiedades (/) Resumen: función Q Q ( 0) Q ( ) Q ( + )
26 Tabla N(0,) Tab N(0,): ejemlo P ( Z < 0, 3) Tab N(0,): ejemlo Resumen: Tabla N(0,) P P ( Z < 0, 3) ( Z > 0, 3)
27 Cauchy ( x ) con x R π f ( + x ) Origen π π tg U, C (,0) N N ( 0,) ( 0,) C (,0) Resumen: Cauchy Exonencial Tiemo que asa entre dos sucesos consecutivos en un roceso Poisson Xnúm. clientes or h. en un mostrador Ttiemo entre dos clientes consecutivos
28 Función de distribución (/3) ( t ) P ( T t ) P ( T t ) F T > ( nohayasucesosen ( 0t )) P, Función de distribución (/3) ( ) P X Poisson ( λt ) 0 ( ) P X Poisson ( λt ) 0 Función de distribución (3/3) Función de densidad F ( t ) e 0 λt sit 0 resto f ( t ) λe 0 λt sit 0 resto
29 Media E [ T ] tf ( t ) + dt... λ Varianza (/) E [ ] T t f ( t ) dt... + λ Varianza (/) V [ ] [ ] T ET E [ T ]... λ Mediana F ( t ) t med e 0... Ln λ λt sit 0 resto
30 CAS CAS E [ T ] µ E T σ [( ) ] 3 µ σ [( ) ] k k T µ ( t µ ) f ( t )dt + Resumen: Exonencial Ausencia de memoria (/) P ( T > 70 T > 60) P ( T > 0) ( T t + t T > t ) P ( ) > P Ausencia de memoria (/) F F ( t + t ) ( t )
31 Resumen: ausencia de memoria Fiabilidad Tiemo hasta ; T no negativa; T asim.; datos cens. Función de riesgo h ( t ) lim δt 0 P ( t T t + δt T > t ) δt Función de suervivencia S ( t ) P ( T > t ) + f ( x )dx t f ( ) ( t ) S' ( t ) ht S ( t ) S ( t )
32 Resumen: fiabilidad Weibull Rearametrización Caracterización
33 Media y varianza Resumen: Weibull Log-Normal Caracterización
34 Media y varianza Mediana y moda Resumen: log-normal Ji-Cuadrado χ ( N ( 0, )) χ n n ( N ( 0,) ) i n i X i
35 Media y varianza Resumen: Ji-Cuadrado [ ] χ n E n [ ] V χ n n t-student X t n N ( 0,) χ n X 0, X,..., X n v. a. i. i. d. N n ( 0,) n X 0 n i X i Media y varianza E [ ] 0 t n n n [ t ], n > V n
36 Resumen: t-student F-Fisher X F m, n χ m χ n m n Media y varianza Resumen: F-Fisher
37 MODELOS DISCRETOS MODELOS CONTINUOS TEOREMA CENTRAL DEL LÍMITE Hace fácil lo difícil TEOREMA CENTRAL DEL LÍMITE Condiciones de alicación Formas de alicación Condiciones de alicación Formas de alicación De Moivre ( ) Lalace (749-87) Levy (886-97)
38 Binomial y Normal Poisson y Normal Binostato htt:// matematicas/distribucionnormal/default.as Resumen: TCL
39 Webgrafía: web de la asignatura Software; Prácticas; ABP; Autoevaluación; Ejercicios; Mini-Vídeos; CPC; Tutorías; Webgrafía
Probabilidad 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 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 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 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 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 detallesPRINCIPALES DISTRIBUCIONES DISCRETAS
PRINCIPALES DISTRIBUCIONES DISCRETAS Objetivos generales del tema En este tema definiremos y discutiremos diversas e imortantes distribuciones discretas, es decir, funciones masa de robabilidad o funciones
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 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 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 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 detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más 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 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 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 detallesTema 3: Cálculo de Probabilidades Unidad 4: Algunas Distribuciones Notables de Variables Aleatorias
Estadística Tema 3: Cálculo de Probabilidades Unidad 4: Algunas Distribuciones Notables de Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
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 detallesProceso de llegadas de Poisson
Gestión y Planificación de Redes y Servicios Proceso de llegadas de Poisson Area de Ingeniería Telemática http://www.tlm.unavarra.es Grado en Ingeniería en Tecnologías de Telecomunicación, 4º Proceso de
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 detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesF (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0
Probabilidades y Estadística (M) Práctica 5 1 o cuatrimestre 2014 Vectores aleatorios 1. a) Demostrar que la función F (x, y) = 1 e x y si x 0, y 0 0 en caso contrario no es la función de distribución
Más 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 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 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 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 detallesUNIVERSIDAD DEL NORTE
UNIVERSIDAD DEL NORTE 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO MATEMÁTICAS Y ESATADÍSTICA. PROGRAMA ACADÉMICO ESTADÍSTICA I-AD CÓDIGO DE LA ASIGNATURA EST 1022 PRE-REQUISITO
Más detallesDistribuciones de probabilidad con R Commander
Distribuciones de probabilidad con R Commander En el menú Distribuciones podemos seleccionar Distribuciones discretas Distribuciones continuas Las distribuciones discretas que aparecen en R Commander son
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS
1 1. DATOS INFORMATIVOS PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS MATERIA: ESTADISTICA CODIGO: 11715 CARRERA: INGENIERIA DE SISTEMAS NIVEL: TERCERO
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detallesModelos Estocásticos I Tercer Examen Parcial Respuestas
Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado
Más detallesTema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística
Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Fuente de los comics: La Estadística en Comic. LarryGonicky Woollcatt Smith. Ed. ZendreraZariquiey, 1999 ESTADÍSTICA ESTADÍSTICA
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 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 detallesFACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detallesClase 7: Algunas Distribuciones Continuas de Probabilidad
Clase 7: Algunas Distribuciones Continuas de Probabilidad Distribución Uniforme Continua Una de las distribuciones continuas más simples en Estadística es la Distribución Uniforme Continua. Esta se caracteriza
Más detallesA. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords
A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica
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 detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesHabilidades Matemáticas. Alejandro Vera
Habilidades Matemáticas Alejandro Vera La distribución normal Introducción Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos
Más detallesCUÁL SERIA LA PREDICCION OPTIMA DEL ESTADO DEL TIEMPO AL DIA SIGUIENTE?
TEOREMA DE BAYES Explica como considerar matemáticamente la nueva información en la toma de decisiones. P( AΙB) = P( A B) P( B) = P( A) P( BΙA) P( B) PROBLEMA: En cierto lugar llueve el 40% de los días
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 detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Más detallesPROGRAMA ANALÍTICO. UBICACIÓN EN EL PLAN DE ESTUDIO DE MECÁNICA: 1er. CUATRIMESTRE DE 2do. AÑO
PROGRAMA ANALÍTICO DEPARTAMENTO: CIENCIAS BÁSICAS CARRERAS: INGENIERÍA MECÁNICA - INGENIERÍA QUÍMICA ASIGNATURA: PROBABILIDAD Y ESTADÍSTICA CÓDIGO: 0406 AÑO ACADÉMICO: 2015 PLAN DE ESTUDIO: MECÁNICA 2005
Más detallesFormulario y Tablas de Probabilidad para los Cursos de Probabilidad, Inferencia Estadística y Econometría
Formulario y Tablas de Probabilidad para los Cursos de Probabilidad, Inferencia Estadística y Econometría Ernesto Barrios Zamudio 1 José Ángel García Pérez2 Departamento Académico de Estadística Instituto
Más detallesPropiedades en una muestra aleatoria
Capítulo 5 Propiedades en una muestra aleatoria 5.1. Conceptos básicos sobre muestras aleatorias Definición 5.1.1 X 1,, X n son llamadas una muestra aleatoria de tamaño n de una población f(x) si son variables
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesDistribuciones de Probabilidad en Arena
Distribuciones de Probabilidad en Arena Arena posee una amplia gama de funciones o distribuciones estadísticas incorporadas para la generación de números aleatorios. Estas distribuciones aparecen cuando,
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD
Opción A xcos(x)+b sen(x) Ejercicio 1.- [2 5 puntos] Sabiendo que lím x 0 x 3 es finito, calcula b y el valor del límite. Ejercicio 2.- Sean f : R R y g : R R las funciones definidas mediante f(x) = x(x
Más detallesDESCRIPCIÓN ESPECÍFICA
DESCRIPCIÓN ESPECÍFICA NÚCLEO: COMERCIO Y SERVICIO SUBSECTOR: PRODUCCION Y SALUD OCUPACIONAL Nombre del Módulo: Análisis estadístico de datos. total: 45 HORAS. Objetivo General: Analizar la conformidad
Más detallesMétodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................
Más 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 detallesCONVERGENCIA ESTOCÁSTICA Y TEOREMAS LIMITE. Estadística aplicada a la empresa I Prof. D. Juan José Pérez Castejón
CONVERGENCIA ESTOCÁSTICA Y TEOREMAS IMITE. Estadística alicada a la emresa I Prof. D. Juan José Pérez Castejón 1 CONVERGENCIA ESTOCÁSTICA Y TEOREMAS IMITE. En este tema se ersigue introducir el conceto
Más detallesPROGRAMA DE CURSO. Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT 6 10 3 2 5
PROGRAMA DE CURSO Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT Unidades Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal
Más detallesPROBABILIDAD Y ESTADISTICA
PLAN DE ESTUDIOS 2008 LICENCIADO EN INFORMÁTICA FACULTAD DE CONTADURÍA, ADMINISTRACIÓN E INFORMÁTICA ASIGNATURA: PROBABILIDAD Y ESTADISTICA ÁREA DEL MATEMÁTICAS CLAVE: I2PE1 CONOCIMIENTO: ETAPA FORMATIVA:
Más detallesb) dado que es en valor absoluto será el área entre -1,071 y 1,071 luego el resultado será F(1,071)-(1-F(1,071)=0,85-(1-0,85)=0,7
EJERCICIOS T12-MODELOS MULTIVARIANTES ESPECÍFICOS 1. Un determinado estadístico J se distribuye según un modelo jhi-dos de parámetro (grados de libertad) 14. Deseamos saber la probabilidad con la que dicho
Más detallesProbabilidad 3/1/2010. EVSC 5020: Bioestadística. Qué es probabilidad? Prof. Rafael R. Canales-Pastrana. EVSC 5020: Bioestadística
Probabilidad Prof. Rafael R. Canales-Pastrana 2 Qué es probabilidad? 3 1 Definiciones de Probabilidad La medida del grado de confianza que uno tiene, en que ocurra el acontecimiento. Método axiomático:
Más detalles6.1. Esperanza Matemática de Variables Aleatorias Discretas.
Capítulo 6 Esperanza Matemática 6 Esperanza Matemática de Variables Aleatorias Discretas Recordemos que una variable aleatoria X es discreta, si existe una sucesión (x n ) n de números reales tales que
Más detallesDesvanecimiento de pequeña y gran escala
Universidad Carlos III de Madrid Desvanecimiento de equeña y gran escala Modelos de gran escala Exlican el comortamiento de las otencia a distancias muco mayores que la longitud de onda (~ km). Esacio
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 detallesContenido. 2 Probabilidad 9. Prefacio. 1 Introducci6n a la estadfstica y al an;!llisis de datos
Contenido Prefacio ix 1 Introducci6n a la estadfstica y al an;!llisis de datos 1 1.1 1.2 1.3 1.4 1.5 1.6 Repaso 1 EI papel de la probabilidad 2 Medidas de posici6n: media de una muestra 4 Medidas de variabilidad
Más detallesEjercicios Resueltos de Teorema Central de Límite (TCL) Ejercicios 1 y 2: Resolución de Ejercicios propuestos del Tema 5.
EJERCICIOS DE PROBABILIDAD EJERCICIOS ADECUADOS PARA SECUNDARIA O BACHILLER TITULO: AUTOR: Ejercicios Resueltos de Teorema Central de Límite (TCL) JUAN VICENTE GONZÁLEZ OVANDO Ejercicio 15: Ejercicios
Más detallesPrograma. Asignatura: Estadística Aplicada. año de la Carrera de Contador Público
Sede y localidad Carrera Sede Atlántica, Viedma Contador Publico Programa Asignatura: Estadística Aplicada Año calendario: 2012 Carga horaria semanal: 6 (seis) hs. Cuatrimestre: Primer Cuatrimestre. Segundo
Más detallesHistograma del puntaje de vocabulario y la aproximación por una curva gaussiana.
35 Curvas de densidad Existe alguna manera de describir una distribución completa mediante una única expresión? un diagrama tallo-hoja no es práctico pues se trata de demasiados datos un histograma elimina
Más detallesÍNDICE DE CONTENIDOS. Capítulo 1 Presentación
ÍNDICE DE CONTENIDOS Capítulo 1 Presentación Capítulo 2 Introducción al proceso de decisión bajo riesgo e incertidumbre 2.1. Resumen del capítulo 2.2. Introducción 2.3. El concepto de riesgo e incertidumbre
Más detallesTema 3 Variables aleatorias yprincipales distribuciones
Tema 3 Variables aleatorias yprincipales distribuciones 1. Variables aleatorias. Distribuciones de probabilidad de v. a. discretas 3. Distribución de probabilidad de v. a. continuas 4. ropiedades de las
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
Más detalles1.2.2. Técnicas estadísticas más utilizadas en la investigación
Contenido PRÓLOGO... 1. LA ESTADÍSTICA COMO HERRAMIENTA EN LA INVESTIGACIÓN TURÍSTICA 1.1. EL TURISMO Y LA ESTADÍSTICA... 2 1.1.1. El turismo... 2 1.1.2. La estadística... 4 1.2. LA ESTADÍSTICA Y LA INVESTIGACIÓN
Más detallesCURSO: Métodos estadísticos de uso frecuente en salud
CURSO: Métodos estadísticos de uso frecuente en salud Información General Versión: 2016 Modalidad: Presencial. Duración Total: 40 horas. NUEVA FECHA Fecha de inicio: 01 de octubre Fecha de término: 10
Más detallesCAPITULO VII VARIABLE ALEATORIA
Variable Aleatoia 65 CAPITULO VII VARIABLE ALEATORIA Definición. Una variable aleatoria es una función X que asigna un número real a cada elemento de un espacio muestral "Ω". Las variables aleatorias pueden
Más detallesPROGRAMACIÓN DE LOS CONTENIDOS DE MATEMÁTICAS EN LA PREPARACIÓN DE LA PARTE COMÚN DE LA PRUEBA DE ACCESO A LOS C.F.G.S. (Opción C)
PROGRAMACIÓN DE LOS CONTENIDOS DE MATEMÁTICAS EN LA PREPARACIÓN DE LA PARTE COMÚN DE LA PRUEBA DE ACCESO A LOS C.F.G.S. (Opción C) I.E.S. Universidad Laboral de Málaga Curso 2015/2016 PROGRAMACIÓN DE LA
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 detallesTema 4: Variable aleatoria. Métodos Estadísticos
Tema 4: Variable aleatoria. Métodos Estadísticos Definición de v.a. Definición: Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio, es decir, una función
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 detallesEjercicios de Modelos de Probabilidad
Ejercicios de Modelos de Probabilidad Elisa M. Molanes-López, Depto. Estadística, UC3M Binomial, Poisson, Exponencial y Uniforme Ejercicio. Se dispone de un sistema formado por dos componentes similares
Más detallesTema 4 Variables Aleatorias
Tema 4 Variables Aleatorias 1 Introducción En Estadística Descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y posteriormente se vimos los fundamentos de la teoría de probabilidades.
Más detallesLa Probabilidad. Heraldo Gonzalez S.
La Probabilidad Heraldo Gonzalez S. 2 Plan de Regularización, Estadistica I LA DISTRIBUCIÓN NORMAL Quizás es la más importante de las distribuciones continuas, se usa profusamente en Inferencia Estadística
Más detallesPRUEBAS DE BONDAD DE AJUSTE y DE INDEPENDENCIA
PRUEBAS DE BONDAD DE AJUSTE y DE INDEPENDENCIA Quien hace puede equivocarse, quien no hace ya está equivocado. DANIEL KON Ji CUADRADA Material preparado por: Profesor León Darío Bello Parias Ji CUADRADA-
Más detallesAlgunas distribuciones importantes de probabilidad
Capítulo 5 Algunas distribuciones importantes de probabilidad En los temas anteriores se presentaban ejemplos de distintos experimentos aleatorios y de variables aleatorias que expresan sus resultados.
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesProbabilidades. 11 de noviembre de 2013. Felipe Bravo Márquez
Felipe José Bravo Márquez 11 de noviembre de 2013 Motivación Las probabilidades son el lenguaje de la incertidumbre que a la vez es la base de la inferencia estadística. El problema estudiado en probabilidades
Más detallesEstadística para la toma de decisiones
Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables continúas. Objetivo Al término de la sesión el estudiante
Más detallesT.1 CONVERGENCIA Y TEOREMAS LÍMITE
T.1 CONVERGENCIA Y TEOREMAS LÍMITE 1. CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIA CONVERGENCIA CASI-SEGURA CONVERGENCIA EN PROBABILIDAD CONVERGENCIA EN MEDIA CUADRÁTICA CONVERGENCIA EN LEY ( O DISTRIBUCIÓN)
Más detallesDistribución Normal. Universidad Diego Portales Facultad de Economía y Empresa. Estadística I Profesor: Carlos R. Pitta
Distribución Normal La distribución normal (O Gaussiana) se define como sigue: En donde y >0 son constantes arbitrarias. Esta función es en realidad uno de las más importantes distribuciones de probabilidad
Más detallesTema 3. Variables aleatorias. Inferencia estadística
Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 3. Variables aleatorias. Inferencia estadística 1. Introducción 1 2. Variables aleatorias 1 2.1. Variable
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 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 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 detallesESTADÍSTICA. Tablas de Distribuciones de Probabilidad. En este documento aparecen tabuladas las siguientes distribuciones de probabilidad 1 :
ESTADÍSTICA, CURSO 2008 2009 1 ESTADÍSTICA Tablas de Distribuciones de Probabilidad En este documento aarecen tabuladas las siguientes distribuciones de robabilidad 1 : Tabla I: robabilidades binomiales
Más detallesPrograma de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174)
Programa de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174) PROFESORADO Profesor/es: SANTIAGO RUIZ MIGUEL - correo-e: rumi@ubu.es FICHA TÉCNICA Titulación: INGENIERÍA DE CAMINOS, CANALES Y PUERTOS
Más detallesANALISIS DE FRECUENCIA
ANALISIS DE FRECUENCIA HIDROLOGÍA Determinística: enfoque en el cual los parámetros se calculan en base a relaciones físicas para procesos dinámicos del ciclo hidrológico. Estocástico: Enfoque en el cual
Más detallesFormulario y Tablas de Probabilidad para el Curso de Estadística II
Formulario y Tablas de Probabilidad para el Curso de Estadística II Ernesto Barrios Zamudio 1 José Ángel García Pérez2 Departamento Académico de Estadística Instituto Tecnológico Autónomo de México Octubre
Más detallesMODELOS DE PROBABILIDAD II
EAA-Tema 6, II MODELOS DE PROBABILIDAD II APÉNDICE MATEMÁTICO ( FUNCIÓN GAMMA Y BETA) DISTRIBUCIÓN GAMMA ( VARIABLES ALEATORIAS GAMMA) DISTRIBUCIÓN GAMMA DE UN PARÁMETRO MEDIA Y VARIANZA DE LA DISTRIBUCIÓN
Más detalles