NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011.
|
|
- Alicia Roldán Vera
- hace 6 años
- Vistas:
Transcripción
1 NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA José G. Ríos Alejadro Abril del 11.
2 INTRODUCCIÓN E los cursos de estadística usualmete se estudia la estadística co efoque frecuetista, la cual alguos autores llama estadística clásica. Por supuesto que hay razoes para ello, creo que la más importate es que se realiza a través de operacioes algebraicas secillas que fácilmete se puede ejecutar. Si embargo, hay otra maera de hacer iferecia estadística que se basa e el teorema de Bayes, deomiada estadística Bayesiaa. No tiee u efoque frecuetista como la estadística clásica, sio que se basa e ua cojetura que defie el ivestigador co respecto al parámetro que se va a estimar, la cual se actualiza después co los resultados de la muestra aleatoria. Ua de las dificultades de la estadística Bayesiaa es que se complica los cálculos que se debe hacer. Pero e los últimos años la iferecia estadística bayesiaa se ha desarrollado eormemete e sus aplicacioes. La razó de ello es el avace tecológico e las computadoras que hace posible hacer ua serie de cálculos y simulacioes rápidamete, las cuales so ecesarias e la aplicació de esta metodología. Estas otas tiee por objetivo presetarle al lector la idea básica que está detrás de la iferecia bayesiaa. Para más detalles sobre esta metodología se recomieda las referecias a ivel itroductorio que se mecioa al fial. Se supoe que el lector tiee coocimietos sobre elemetos de probabilidad, variable aleatoria, distribucioes de probabilidad. Las primeras seccioes habla brevemete sobre la probabilidad codicioal y el teorema de Bayes. Si el lector ya domia estos temas, pasar directamete a la secció Iferecia Estadística co el Método Bayesiao. José G. Ríos Alejadro (jrios@itesm.mx)
3 La Probabilidad Codicioal. La probabilidad codicioal es u cocepto que aplica cuado al ejecutar el experimeto aleatorio se os iforma que ocurrió u eveto, digamos el eveto B. Co esa iformació ahora se quiere calcular la probabilidad de que ocurra el eveto A. Se ilustra lo aterior co el siguiete ejemplo simple. Supogamos que se laza u dado legal y os iforma que cayó úmero par, co esa iformació dispoible queremos ahora calcular la probabilidad de que haya caído el úmero. Sea el eveto B = cae úmero par y sea el eveto A = cae el úmero. Luego, queremos calcular A) sabiedo que ya ocurrió B, lo aterior se deota por P ( A B) que se lee como probabilidad de A dado que ya ocurrió B o probabilidad de A codicioada a que ya ocurrió B. Aalizado la situació vemos que si ya ocurrió B, etoces los resultados posibles del experimeto so B = {,, 6} y como todos so igualmete probables etoces A B) = B) = 1/3. Si embargo, la probabilidad codicioal P ( A B) se puede expresar e térmios de la probabilidad o codicioal haciedo lo siguiete, 1 1/ 6 A B) A B). 3 3/ 6 B) Dode A B) es la probabilidad o codicioal de que caiga el y caiga úmero par, además, P (B) es la probabilidad o codicioal de que caiga úmero par. Etoces la probabilidad codicioal se puede geeralizar como e la siguiete defiició. A B) A B) como se idica B) Defiició 1. Probabilidad Codicioal Sea A, B dos evetos asociados a u espacio muestral S. Etoces la probabilidad de que ocurra A dado que ya ocurrió B deotado por P ( A B) se defie como A B) A B) co P ( B). B) Observa que al ocurrir el eveto B, etoces los resultados posibles del experimeto so solo los elemetos de B, por tal razó a B se le cooce como el espacio muestra reducido. Ua fórmula útil de la probabilidad codicioal se obtiee al despejar A B) quedado, A B) B) A B) A) B A). (1)
4 El Teorema de Bayes. El teorema de Bayes es ua probabilidad codicioal calculada bajo ua situació especial, es decir calculada e ua partició, luego, se debe defiir que es ua partició. Defiició. Partició. Los evetos E 1, E,, E forma ua partició del espacio muestra S si cumple lo siguiete: (a) E i E j para todo i j. (b) 1 Ei S. Es decir, la colecció de evetos { E 1, E,, E } forma ua partició si so ajeos dos a dos y si la uió de todos ellos es igual al espacio muestra S. La figura 1 ilustra la idea gráficamete. S i E 1 E 3 E 5 E E 6 Figura 1. Diagrama de Ve para ua partició co = 6. El siguiete teorema idica como calcular la probabilidad de cualquier eveto cuado se tiee ua partició. Se le cooce como la ley de probabilidad total. Teorema 1. La Ley de Probabilidad Total Sea { E 1, E,, E } ua partició y sea A u eveto cualquiera. Etoces A) i Ei ) A E 1 i ). Demostració. Observar que A se puede expresar como la uió de evetos mutuamete ajeos de la siguiete maera A A E ) ( A E ) ( A E ), la figura ilustra ( 1 la idea. Etoces, P A) P[( A E ) ( A E ) ( A E )], luego, ( 1 P A) A E ) A E ) A E ) y aplicado la fórmula (1) ( 1 A) E1 ) A E1) E) A E ) i Ei ) A E 1 i ). E
5 S E 1 E 3 E 5 E E 6 A E Figura. Ilustració de u eveto A y ua partició co = 6. A cotiuació se demuestra el teorema de Bayes. Teorema. El Teorema de Bayes. Sea { E 1, E,, E } ua partició y sea A u eveto cualquiera. Sea E j u eveto de la partició. Etoces E j ) A E j ) E j A). E ) A E ) i 1 i Demostració. Por defiició de probabilidad codicioal se tiee que E j A) E j A). Pero como E j es u eveto de la partició { E 1, E, E A), }, fialmete por la fórmula (1) y la ley de probabilidad total se tiee que, i E j A) E j ) A E j ) E j A). A) E ) A E ) i 1 i i El teorema de Bayes se puede geeralizar para la distribució de ua variable aleatoria cotiua quedado como, f ( x y) f ( x) f ( y x). () f ( x) f ( y x) dx Dode f (x) es la fució de desidad de la variable aleatoria X, f ( y x) es la fució de desidad codicioal de Y dado el valor de X = x. Fialmete, f ( x y) es la fució de desidad de x codicioada a que Y = y. La fórmula () es la que se usa e la iferecia estadística usado el método de Bayes. Comparado co el teorema se tiee que E se j
6 sustituye por x, A se sustituye por y, la suma se sustituye por ua itegral y la probabilidad putual P se sustituye por ua fució de desidad f. Iferecia Estadística co el Método Bayesiao. Se ilustra la aplicació del método bayesiao co el siguiete ejemplo y luego se geeraliza. Se desea estimar la proporció de focos que dura más de 1 horas e ua prueba acelerada. Sea p la proporció poblacioal de focos que dura más de 1 horas e la prueba acelerada. Ates de hacer esta prueba, el igeiero sospecha que el valor de p es alrededor de.7, esto lo va a reflejar a través de ua distribució de probabilidad que al meos tega ua media igual a.7. Pero debe usar ua distribució de probabilidad tal que el rago valor de la variable aleatoria sea etre y 1 (porque < p < 1). La distribució coveiete es la distribució Beta (ver aexo), que aplicada a p queda, ( ) 1 1 p (1 p) para p 1. (3) ( ) ( ) Dode (w) es la fució Gamma (ver aexo). Ahora debemos determiar el valor de y. Como el valor esperado de la distribució Beta es E ( p) y como el igeiero sospecha que el valor de p es alrededor de.7 etoces propoe que 7 y 3, quedado la distribució de p (que llamaremos distribució a priori), (7 3) p (1 p) para p 1. () (7) (3) Al ejecutar la prueba acelerada e 6 focos resultó que duraro más de 1 horas. El objetivo ahora es obteer la distribució de p codicioado a los resultados de las pruebas (datos), es decir la iferecia se hará co f ( p datos), que se le llama distribució a posteriori. Aplicado la fórmula () sería, f (datos p) f ( p datos) 1. (5) f (datos p) dp Pero f ( datos p) éxitos e 6 focos p) Biomial( x, 6, p) C(6,) p (1 p) sustituyedo e la igualdad (5) se obtiee, C(6,) p (1 p) f ( p datos) 1. (6) C(6,) p (1 p) dp,
7 Pero observa que el deomiador de (6) es u resultado que o depede de p, luego se puede cosiderar como ua costate (cte) quedado, Sustituyedo e (7) se tiee que, C(6,) p (1 p) f ( p datos). (7) cte 6 {[ (1) / (7) (3)] p (1 p) } C(6,) p (1 p) f ( p datos). (8) cte Expresado como costate (cte) todo lo que o cotiee p e (8) se obtiee, 6 f ( p datos) ( cte) p (1 p) p (1 p) ( cte) p (1 p). (9) 1 Observado (9) o es difícil cocluir que la costate cte debe ser el correspodiete a ua distribució Beta( 11, 5). Etoces, la distribució a posteriori de p (posterior a los datos) es, (11 5) 1 f ( p datos) p (1 p) para p 1. (9) (11) (5) La figura 3 muestra las gráficas de la distribució a priori (ates de los datos) y a posteriori (después de los datos) de p a priori a posteriori Figura 3. Gráficas de la desidad a priori y a posteriori de p.
8 La estimació putual de p es el E ( p datos) e la desidad a posteriori f ( p datos). E este caso es p ˆ E( p datos) 11/ La estimació por itervalo (aquí se le llama itervalo de credibilidad) co ivel de credibilidad 1 se puede obteer co los valores p 1 / y p 1 / de f ( p datos) como se ilustra e La figura f(p datos) / / p1 / p / Figura. Itervalo de Credibilidad 1 1. Por ejemplo, para obteer u itervalo de credibilidad para p del 95%, se tiee que 1.95, /. 5 y 1 / E Excel se obtiee que, p BETAINV(1-.975,11,5) =.9 y p BETAINV(1-.5,11,5) =.88, es.975 decir, se tiee ua probabilidad del 95% de que la proporció de focos que dura más de 1 hrs e la prueba acelerada es.9 p. 88. Por supuesto, mietras más grade sea la.5 muestra aleatoria el itervalo de credibilidad será más estrecho. E geeral, para estimar ua proporció p, si la distribució a priori de p es ua distribució Beta(, ) y e pruebas de Beroulli se observa r éxitos, etoces la distribució a posteriori de p es Beta( r, r ). La distribució a posteriori actualiza la distribució del parámetro a estimar mediate los resultados de la muestra aleatoria (datos). A cotiuació se geeraliza el método bayesiao. Problema: El ivestigador desea estimar el valor de u parámetro poblacioal de ua població co fució de desidad (probabilidad) f ( x, ). El ivestigador sospecha que el valor de esta cercao a cierto valor y ello lo refleja a través de ua distribució de probabilidad cuya fució de desidad es f ( ) deomiada distribució a priori o previa a los datos. Luego, seleccioa ua muestra aleatoria de tamaño obteiedo los resultados (datos) x x, x,, x ). El objetivo es obteer la fució de desidad a posteriori de o ( 1
9 posterior a los datos, es decir f ( x). Usado la formula () geeralizada del teorema de Bayes se tiee que, f ( x ) f ( ) f ( x ). (1) f ( ) f ( x ) d Pero el deomiador de (1) o depede de, luego es ua costate (cte) quedado, f ( ) f ( x ) f ( x) ( cte) f ( ) f ( x ). (11) cte Luego, se acostumbra decir que f ( x) es proporcioal a f ( ) f ( x ) que se deota por f ( x) f ( ) f ( x ). Ahora, como los valores de la muestra aleatoria x x, x,, x ) so mutuamete idepedietes, etoces f ( x ) se puede expresar como, ( 1 f ( x ) f ( x1 ) f ( x ) f ( x ) i f ( x 1 i ). (1) A (1) se le llama fució de verosimilitud y depede de ya que los valores de las x i co coocidos (datos). Etoces la distribució a posteriori (11) queda, i 1 f ( x ) ( cte) f ( ) f ( x ). (13) i Depediedo de lo que resulte e (13) a veces se puede deducir su distribució teórica y e cosecuecia se deduce el valor de la costate cte. E ocasioes o es posible deducir la distribució obteida e (13), si embargo mediate simulació se puede hacer de todos modos iferecia estadística. E importate subrayar que solo co la distribució a posteriori f ( x) se hace toda la iferecia estadística. La estimació putual de se hace co E ( x) y el itervalo de credibilidad 1 se puede obteer co los valores 1 / y / obteidos e la distribució a posteriori f ( x). La pricipal vetaja del método bayesiao es que o se requiere aálisis de covergecia y se combia la cojetura del ivestigador (la distribució a priori) y la iformació de la muestra (la fució de verosimilitud) para obteer la distribució actualizada o posteriori del parámetro. Ua desvetaja del método bayesiao es que se presta a coclusioes diferetes si se parte de distribucioes a priori diferetes, pero se puede demostrar que si la
10 muestra es grade, el resultado es el mismo si importar que distribució a priori se haya cosiderado. Otra desvetaja del método Bayesiao es que la itegral del deomiador de (1) puede resultar muy compleja, pero gracias a los avaces tecológicos e las computadoras, se puede hacer iferecia estadística mediate simulació, razó por la cual últimamete se ha desarrollado muchas metodologías (diseño de experimetos, regresió lieal, etc.) bayesiaas. No dudo que e el corto plazo e los cursos de estadística de liceciatura se icluya la metodología bayesiaa. Estas otas so solo para dar ua idea muy geeral de la metodología bayesiaa, cosultar las referecias para más detalles. Referecias. Elemetary Bayesia Statistics Gordo Atelma, Albert Madasky, Robert E. McCulloch. Editorial: Edward Elgar Pub, Itroductio to Bayesia Statistics, d editio William M. Bolstad. Wiley-Itersciece, 7. Aexos. La Fució Gamma. La fució Gamma que se deota por ( ) 1 t ( ) t e dt para. La figura A.1 muestra la gráfica de ( ). se defie como, Figura A.1. Gráfica de ( ).
11 La fució Gamma tiee las siguietes propiedades básicas. A) ( 1) 1. B) ( 1) ( ). C) Si es etero positivo ( ) ( 1)!. Por la propiedad C), alguos autores llama a la fució gamma como la fució factorial geeralizada. La Distribució Beta. Ua variable aleatoria X tiee distribució Beta si su fució de desidad es, ( ) 1 1 f ( x) x (1 x) para x 1 (A.1) ( ) ( ) dode,. Además se puede probar que E (X ) y Var ( X ). La figura A. muestra la gráfica de la fució de desidad ( ) ( 1) de la distribució Beta alfa = 3, beta = 8 alfa = 3, beta = 3 alfa = 1, beta = Figura A. Gráfica de la fució de desidad de la distribució Beta. Las probabilidades de la distribució Beta se puede obteer e Excel co la fució BETADIST( ) y los percetiles se puede obteer co la fució BETAINV( ).
Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción
Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico
Más detallesEl método de Monte Carlo
El método de Mote Carlo El método de Mote Carlo es u procedimieto geeral para seleccioar muestras aleatorias de ua població utilizado úmeros aleatorios. La deomiació Mote Carlo fue popularizado por los
Más detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesTEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas
TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació
Más detalles1. Intervalos de Conanza
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació
Más detallesSlide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.
Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació
Más detallesProbabilidad FENÓMENOS ALEATORIOS
Probabilidad FENÓMENOS ALEATORIOS E el mudo real hay feómeos regidos por leyes de tipo empírico (basadas e la experiecia), lógico o deductivo, e los que el efecto está determiado por ciertas causas. El
Más detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Más detallesTécnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20
Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra
Más detallesCombinatoria y definiciones básicas de probabilidad
Combiatoria y defiicioes básicas de probabilidad Defiicioes de probabilidad Probabilidad como ituició Probabilidad como la razó de resultados favorables Probabilidad como medida de la frecuecia de ocurrecia
Más detallesEJERCICIOS RESUELTOS TEMA 8
EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio
Más detalles4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS
arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá
Más detallesPreguntas más Frecuentes: Tema 2
Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,
Más detallesDepartamento Administrativo Nacional de Estadística
Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES
Más detallesSeries alternadas Introducción
Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más detallesSESION 15 DISTRIBUCIONES DE MUESTREO
SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes
Más detallesDeterminación del tamaño de una muestra (para dos o más muestras)
STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo
Más detalles2 FUNDAMENTOS DE PROBABILIDAD
2 FUNDAMENTOS DE PROBABILIDAD T al vez el estudio de la probabilidad toma setido cuado se percibe y se acepta la existecia de la aleatoriedad e diversos aspectos de la vida diaria. Si embargo, si cosideramos
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesEstimación de los parámetros de las distribuciones Bernoulli y Poisson bajo cero eventos
Publicado e la Rev. Fac. Nac. Salud Pública 999; 7(): 30-36 Estimació de los parámetros de las distribucioes Beroulli y Poisso bajo cero evetos Estimatig parameters of the Beroulli ad Poisso distributios
Más detallesCapítulo VARIABLES ALEATORIAS
Capítulo VI VARIALES ALEATORIAS. Itroducció Detro de la estadística se puede cosiderar dos ramas perfectamete difereciadas por sus objetivos y por los métodos que utiliza: Estadística Descriptiva o Deductiva
Más detallesProbabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1
Probabilidad BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimeez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es) ALEJANDRO SANABRIA
Más detallesResumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.
Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados
Más detallesUn sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......
1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros
Más detallesUNIDAD 1 Ecuaciones Diferenciales de Primer Orden
UNIDAD UNIDAD Ecuacioes Difereciales de Primer Orde Defiició lasificació de las Ecuacioes Difereciales Ua ecuació diferecial es aquélla que cotiee las derivadas o difereciales de ua o más variables depedietes
Más detallesIntroducción a la Inferencia Estadística. Muestreo en poblaciones normales
Ídice 5 Itroducció a la Iferecia Estadística Muestreo e poblacioes ormales 51 51 Itroducció 51 52 Estadísticos y mometos muestrales 53 521 Media muestral Propiedades 54 522 Variaza muestral Propiedades
Más detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA DE CORRECCIÓN PRUEBA RECUPERATIVA N 2 Profesor: Hugo S. Salias. Segudo Semestre 2009 DESARROLLO
Más detallesPráctica 2 VARIABLES ALEATORIAS CONTINUAS
Práctica. Objetivos: a) Apreder a calcular probabilidades de las distribucioes Normal y Chi-cuadrado. b) Estudio de la fució de desidad de la distribució Normal ~ N(µ;σ) c) Cálculo de la fució de distribució
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detallesSeries de potencias. Desarrollos en serie de Taylor
Capítulo 9 Series de potecias. Desarrollos e serie de Taylor E la represetació (e icluso e la costrucció) de fucioes, desempeña u papel especialmete destacado cierto tipo de series, deomiadas series de
Más detallesLímite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
Más detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesEstadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3
Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral
Más detallesDERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir:
DERIVADA DE FUNCIONES DEL TIPO f ( ) c Coceptos clave: 1. Derivada de la fució costate f ( ) c, dode c es ua costate, la derivada de esta fució es siempre cero, es decir: f '( ) 0 c. Derivada de ua fució
Más detallesDISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la
Más detallesCUADRATURA GAUSSIANA
CUADRATURA GAUSSIANA Este método de basa e muestrear el itegrado de la fució cuya itegral se desea ecotrar, a valores que represeta raíces de poliomios ortogoales Los más populares de éstos so los poliomios
Más detallesSe utilizan tres enunciados para básicos para definir los procesos de Poisson. Sea t un t 0, entonces se tiene:
9 TEORÍA DE TRÁFIO La teoría de tráfico es ua herramieta ampliamete utilizada para el aálisis del comportamieto de las redes de comuicacioes, las cuales puede ser de comutació de circuitos, como las redes
Más detallesCONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA
CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery
Más detallesα β la cual puede presentar
5.4 Covergecia de ua serie de Fourier 8 5.4 Covergecia de ua serie de Fourier Teorema de covergecia de las series de fourier Ua serie de Fourier es ua fució ( ) f x cotiua e [, ] α β la cual puede presetar
Más detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesR. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.
R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de
Más detallesCAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS
CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS SECCIONES A. Series de térmios de sigo variable. B. Series depedietes de parámetros. C. Ejercicios propuestos. 193 A. SERIES DE TÉRMINOS DE SIGNO VARIABLE. E
Más detallesImportancia de las medidas de tendencia central.
UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació
Más detallesSucesiones. f : {1,2,...,r} S. Por ejemplo, la sucesión finita, (de longitud 4) de números primos menores que 10: 2,3,5,7
Sucesioes. Defiició Sucesió Matemática Ua sucesió fiita (a k ) (de logitud r) co elemetos perteecietes a u cojuto S, se defie como ua fució y e este caso el elemeto a k correspode a f(k). f : {,,...,r}
Más detallesRepública Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática
República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x
Más detallesTEMA 3: INFERENCIA ESTADISTICA
ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detalleses un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t.
PROCESOS ROBABILIDADES ESTOCÁSTICOS (ITEL-3005) (80807) Tema 4. Los Procesos Tema. de Fudametos Poisso y otros de Estadística procesos asociados Descriptiva Semaa Distribució 5 Clase 07 de frecuecias Lues
Más detallesuna sucesión de funciones de A. Formemos una nueva sucesión de funciones {S n } n=1 de A de la forma siguiente:
Tema 8 Series de fucioes Defiició 81 Sea {f } ua sucesió de fucioes de A Formemos ua ueva sucesió de fucioes {S } de A de la forma siguiete: S (x) = f 1 (x) + f 2 (x) + + f (x) = f k (x) Al par de sucesioes
Más detallesEJERCICIOS DE SERIES DE FUNCIONES
EJERCICIOS DE SERIES DE FUNCIONES. Campo de covergecia. Covergecia uiforme. Determiar el campo de covergecia de la serie 2 se x. Aplicado el criterio de la raíz, la serie es absolutamete covergete cuado:
Más detallesLuis González Abril y Luis M. Sánchez-Reyes {luisgon, - Dpto. Economía Aplicada I Universidad de Sevilla
ETUDIO OBRE EL EXCEO DE AMPLITUD EN LA CONTRUCCIÓN DE INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL CON VARIANZA DECONOCIDA EN UNA POBLACIÓN NORMAL Luis Gozález Abril y Luis M. áchez-reyes {luisgo,
Más detallesHoja de Problemas Tema 3. (Sucesiones y series)
Depto. de Matemáticas Cálculo (Ig. de Telecom.) Curso 23-24 Hoja de Problemas Tema 3 (Sucesioes y series) Sucesioes de úmeros reales. Sea {a } N, {b } N sucesioes de úmeros reales. Demostrar o refutar
Más detallesTopografía 1. II semestre, José Francisco Valverde Calderón Sitio web:
II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,
Más detallesEl tema de este capítulo es el estudio de las sucesiones de números reales. Una sucesión no es más que un conjunto ordenado de números.
Capítulo 3 Sucesioes 3 Defiicioes Geerales El tema de este capítulo es el estudio de las sucesioes de úmeros reales Ua sucesió o es más que u cojuto ordeado de úmeros Por ejemplo, 2, 4, 6, 8, 0, 2,, 2,
Más detallesIntroducción básica a series
Itroducció básica a series Gearo Lua Carreto * 2 Noviembre de 206, 8 pm. Series: u caso particular de sucesió Supoga que tiee ua sucesió cualquiera a. Explicaremos la forma de geerar ua sucesió s, muy
Más detalles8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS
8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS Sea ua variable aleatoria de ley descoocida co 0,00. Si 0,, emplear la desigualdad de TCHEBYCHEFF para acotar iferiormete la probabilidad E( ) [
Más detallese i y i y i y i 0 1 x 1i 2 x 2i k x ki
Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede
Más detallesSeries infinitas de números reales. Series convergentes
Series ifiitas de úmeros reales. Series covergetes Series ifiitas de úmeros reales. Series covergetes Las sucesioes de úmeros reales se itrodujero co la iteció de poder cosiderar posteriormete sus sumas
Más detalles5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras
Más detallesMODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Julián de la Horra Departamento de Matemáticas U.A.M.
MODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció La Estadística Descriptiva os ofrece ua serie de herramietas muy útiles para resumir gráfica
Más detallesSEMANA 01. CLASE 01. MARTES 04/10/16
EMANA 0. CLAE 0. MARTE 04/0/6. Experimeto aleatorio.. Defiició. Experimeto e el cual o se puede predecir el resultado ates de realizarlo. Para que u experimeto sea aleatorio debe teer al meos dos resultados
Más detallesTema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS
UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase
Más detallesMEDIDAS DE TENDENCIA CENTRAL. _ xi
EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee
Más detallesPrueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)
Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN
Más detallesESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual
ETIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRATE DE HIPÓTEI TEMA 8: Cotrastes paramétricos
Más detallesEjercicios resueltos de Muestreo
Tema Ejercicios resueltos de Muestreo Ejercicio Sea ua població ita de 4 elemetos: P = f; 4; ; g : Se cosidera muestras de elemetos que se supoe extraidos y o devueltos a la població y que el muestreo
Más detallesResolución N 2. Axiomas de Probabilidades. Ejercicios Resueltos. Profesor: Iván Rapaport Z. Auxiliar: Abelino Jiménez G.
Resolució N 2 Axiomas de Probabilidades Profesor: Ivá Rapaport Z Auxiliar: Abelio Jiméez G Ejercicios Resueltos 1 Cierta efermedad se trasmite e forma geética de los padres a los hijos, del siguiete modo:
Más detallesUnidad 1: Las Ecuaciones Diferenciales y Sus Soluciones
Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos
Más detallesCálculo de límites Criterio de Stolz. Tema 8
Tema 8 Cálculo de límites El presete tema tiee u iterés emietemete práctico, pues vamos a estudiar alguos métodos cocretos para resolver idetermiacioes. Etre ellos destaca el criterio de Stolz, del que
Más detallesMATEMÁTICAS 3º ESO - SUCESIONES. Una sucesión es un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero
ucesioes Ua sucesió es u cojuto de úmeros dados ordeadamete de modo que se pueda umerar: primero, segudo, tercero Ejemplos: a), 3, 5, 7, 9, b), 4, 9, 6, 25, 36 c) 2, 4, 8, 6, 32, 64 e llama térmios a los
Más detallesSistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas
Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales
Más detalles1. SUCESIONES Y SERIES
1. SUCESIONES Y SERIES Objetivo: El alumo aalizará sucesioes y las series para represetar fucioes por medio de series de potecias 1.1 Defiició se sucesió. Límite y covergecia de ua sucesió qué es ua sucesió?
Más detalles- estimación de parámetros, - intervalos de confianza y
Iferecia estadística: es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. Objetivos de la iferecia: - estimació de parámetros, - itervalos de cofiaza
Más detallesPROBABILIDAD. El espacio muestral de un experimento aleatorio es el conjunto de todos los resultados posibles que pueden producirse.
PROAILIDAD 1.- EXPERIMENTOS ALEATORIOS De forma geeral podemos distiguir etre experimetos determiistas y experimetos aleatorios. Las leyes de la física, de la química y de otras ciecias os provee de ecuacioes
Más detallesANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A
EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació
Más detallesINTEGRALES DE RIEMANN
NOTAS PARA LOS ALUMNOS DE ANALISIS MATEMATICO III INTEGRALES DE RIEMANN Ig. Jua Sacerdoti Departameto de Matemática Facultad de Igeiería Uiversidad de Bueos Aires 00 INDICE.- INTEGRAL..- INTRODUCCIÓN..-
Más detallesSeries Numéricas. Una forma de definir e es a través de la suma: 1. 1 0! + 1 1! + 1 2! + 1 3! + 1 4! + + 1 n. cuyo límite es e, es decir:
Capítulo Series Numéricas Las series uméricas so sucesioes muy particulares ya que se defie (o se geera) a partir de otra sucesió. Dos ejemplos secillos aparece e la defiició de e y el la Paradoja de Zeó.
Más detallesNo obstante, cuando intentamos hacer lo mismo con los números racionales y reales vemos que. con como lo hicimos con. es diferente de los conjuntos
Departameto de Matemáticas Guía Iducció Matemática Objetivos: Eteder el pricipio del bue orde Realizar demostracioes matemáticas por medio del pricipio de iducció matemática El pricipio del bue orde: iducció
Más detallesRESUMEN DE RESULTADOS IMPORTANTES ACERCA DE SUCESIONES Y SERIES
RESUMEN DE RESULTADOS IMPORTANTES ACERCA DE SUCESIONES Y SERIES MATE 3032 - DR. UROYOÁN R. WALKER. Sucesioes Teorema.. Sucesioes mootóicas acotadas coverge. Ejemplo.2. Sea {a } la sucesió deida recursivamete
Más detallesPRUEBAS DE HIPÓTESIS.
PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple
Más detallesCurso: 3 E.M. ALGEBRA 8
Colegio SSCC Cocepció - Depto. de Matemáticas Uidad de Apredizaje: POLINOMIOS Capacidades/Destreza/Habilidad: Racioamieto Matemático/ Aplicació / Calcular, Resolver Valores/ Actitudes: Respeto, Solidaridad,
Más detalles2 Conceptos básicos y planteamiento
ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua població.
Más detallesMuestreo sistemático
Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo
Más detallesGUIA DE ESTUDIO Nro 1
MATERIA: MATEMÁTICA I CURSO: I AÑO EJE ESTRUCTURAL I: CONCEPTOS FUNDAMENTALES DEL ALGEBRA GRUPOS CONCEPTUALES: - Epresioes algebraicas. Poliomios. - Ecuacioes. Iecuacioes. TEMARIO: GUIA DE ESTUDIO Nro
Más detallesConceptos generales de inferencia estadística. Estimación de parámetros. Intervalos de confianza.
FCEyN - Estadística para Química do. cuat. 006 - Marta García Be Coceptos geerales de iferecia estadística. Estimació de parámetros. Itervalos de cofiaza. Iferecia estadística: Dijimos e la primera clase
Más detalles1. QUÉ ES LA ESTADÍSTICA?
1. QUÉ ES LA ESTADÍSTICA? Cuado coloquialmete se habla de estadística, se suele pesar e ua relació de datos uméricos presetada de forma ordeada y sistemática. Esta idea es la cosecuecia del cocepto popular
Más detallesAxioma 1 (Principio de inducción matemática) Sea S N con la propiedad que: a) 1 S. b) k R, k S k + 1 S. Entonces S = N.
Iducció matemática A meudo deseamos probar proposicioes de la forma N, p. Por ejemplo: 1 N, 1 + + 3 + + 1 + 1. N, + 4. 3 N, par implica par. Proposicioes y 3 se puede probar usado la técica de variable
Más detalles- Fernando Sánchez - Departamento de Matemáticas - Universidad de Extremadura
- Ferado Sáchez - - 5 Números Cálculo I complejos 14 10 2015 E el cuerpo de los úmeros reales ecuacioes como x 2 + 1 = 0 o tiee solució: el poliomio x 2 + 1 o tiee raíces reales. Hace falta exteder el
Más detallesMODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Julián de la Horra Departamento de Matemáticas U.A.M.
MODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció La Estadística Descriptiva os ofrece ua serie de herramietas muy útiles para resumir gráfica
Más detallesPALABRAS CLAVES: Cadena de Markov, Martingala y Valores propios.
Scietia et Techica Año IV, No 39, Septiembre de 2008 Uiversidad Tecológica de Pereira ISSN 0122-1701 459 PROPIEDADES DE LA MATRIZ Properties of the matrix EN UNA CADENA DE MARKOV i a Markov chai RESUMEN
Más detalles