TEMA 2.- VARIABLES ALEATORIAS
|
|
- José Miguel Márquez Torres
- hace 6 años
- Vistas:
Transcripción
1 TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 16/ Concepto de variable aleatoria. Tipos de variables aleatorias Variables aleatorias discretas. Diagrama de barras Función de distribución de una variable aleatoria, F Cálculo de la función de distribución para variables discretas Propiedades de una función de distribución F (general) Cálculo de probabilidades en una v.a. a partir de F (general) Caracterización de una v.a. discreta a partir de F Variables aleatorias continuas: función de densidad y función de distribución Funciones de una variable aleatoria Medidas asociadas a variables aleatorias Independencia de variables aleatorias. Propiedades de esperanzas y varianzas.
2 2.1. Concepto de variable aleatoria Objetivo: En vez de calcular probabilidades asociadas a un experimento aleatorio queremos MEDIR alguna característica asociada al mismo. Definición: Sea E el espacio muestral asociado a un experimento aleatorio. Llamaremos VARIABLE ALEATORIA a una función X : E. Esta función convierte la probabilidad P definida en E en otra probabilidad, P *, definida en los números reales, que es donde trabajaremos desde este tema en adelante. A P * se le llama PROBABILIDAD INDUCIDA por P y es una medida de probabilidad. De hecho, HEREDA todas las propiedades de P (p.e. * PE ( ) 1 P( ) 1 ).
3 2.1. Concepto de variable aleatoria Ejemplo 1: X: número de caras al lanzar dos monedas Y: Número de veces que hay yque lanzar un dado hasta obtener un 5. Z: tiempo que transcurre hasta que un mensaje llega a su destino en una red de comunicaciones. Definir de forma completa la variable X, dando el espacio muestral E y asignando valores a P * a partir de P. Observación: A veces no está claro ni el espacio muestral ni el experimento aleatorio pero nos interesa estudiar MEDIDAS en las que hay incertidumbre. Por ejemplo, la variable Z.
4 TIPOS DE VARIABLES ALEATORIAS Estudiaremos dos tipos de variables aleatorias: 1.- DISCRETAS: son aquellas que toman un conjunto finito o numerable de valores. Las variables X e Y del ejemplo 1 lo son. 2.- CONTINUAS: son aquellas que toman valores en it intervalos de la recta real. lla variable ibl Zdl del ejemplo 1 es continua. Objetivos del tema: caracterizar ambos tipos de variables, calcular probabilidades para variables aleatorias y estudiar las medidas más importantes para una variable aleatoria.
5 2.2. VARIABLES ALEATORIAS DISCRETAS Dfiiió Definición: Llamaremos distribución ib ió de probabilidad bilid d de una variable discreta X al conjunto de valores que toma, x i, junto con sus probabilidades, p i = P(X = x i )i= ), 123 1,2,3,. Además, los valores p i se llaman función de masa y verifican: 1. p 0 i 2. p 1 i1 i Los valores x i también se llaman puntos de masa. En la mayoría de los casos que estudiaremos los puntos de masa son n un conjunto finito por lo que la condición 2 será p 1 i1 i
6 2.2. VARIABLES ALEATORIAS DISCRETAS El gráfico para una variable discreta es el ldiagrama de barras: sobre el eje OX se levantan sobre los valores x i y barras de altura p i. Ejemplo 2: Obtener la distribución de probabilidad de la variable aleatoria (v.a.) X: número de caras al lanzar dos veces una moneda. Dibujar el diagrama de barras asociado.
7 2.2. VARIABLES ALEATORIAS DISCRETAS Cálculo de probabilidades: P X A p xa Ejemplo 3: Para la variable X del ejemplo 2, calcular: i P X 1, P X 1, P 1 X 1/2, P 1 X 2, P 1 X 2 Teorema: Cualquier conjunto de valores i i tales que p 0y p 1 i i1 i i x, p son la distribución de probabilidad de una variable aleatoria discreta.
8 2.3. FUNCIÓN DE DISTRIBUCIÓN DE UNA VARIABLE ALEATORIA Una de las formas de caracterizar una variable aleatoria cualquiera, discreta o continua, es mediante una función que llamaremos función de distribución. Definición: Sea X : E una variable aleatoria. Llamaremos función de distribución asociada a la variable X a una función F : definida como X (, ] F x P X x P X x X x Observación: F está definida para todo. Además, F(x) representa la probabilidad ACUMULADA hasta x.
9 FUNCIÓN DE DISTRIBUCIÓN PARA VARIABLES ALEATORIAS DISCRETAS Sea X una variable aleatoria discreta con función de probabilidad x. Entonces, la función de distribución i, pi de X es: FX x P X x p x x Las funciones de distribución de variables aleatorias discretas siempre son FUNCIONES ESCALONADAS. Ejemplo 4: Obtener la función de distribución para la variable X: número de caras obtenidas al lanzar dos veces una moneda y representarla. i i
10 2.3.2.PROPIEDADES DE UNA FUNCIÓN DE DISTRIBUCIÓN F (GENERAL) 1 F x F 2. lim 0 x X lim F x F 1 x X X 3. F X es monótona no decreciente: X 4. F X es continua por la derecha: lim ho X 0 F x F x h h X ó lim F x h F x F x F x X X X X xx Ejemplo 5: verificar que se cumplen estas propiedades para la función de distribución obtenida en el ejemplo
11 TEOREMA F : Teorema : Una función es función de distribución de alguna variable aleatoria X F verifica las cuatro propiedades anteriormente enunciadas. F : Ejemplo 6: Estudiar si la función definida a continuación es función de distribución de alguna variable aleatoria: 0 x 2 F x 4 1 x 2 2 x Obsérvese que F NO puede serla función de distribución de una variable discreta al no ser escalonada.
12 2.3.3.CÁLCULO DE PROBABILIDADES de una variable aleatoria a partir de su función de distribución F (GENERAL) F x P X (, x ] P X x Recordemos que Definimos lim, xa F x P X a P X a Para calcular probabilidades de una v.a. usando su función de distribución usaremos las siguientes igualdades: 1. Pa X b P X b P X a F b F a, a, b 2. P X a 1P X a 1 Fa, a 3. P X a P X a P X a F a lim F x, a Ejemplo 7: A partir de la función de distribución de la variable X: número de caras al llanzar dos veces una moneda, calcular l xa 0 1.5, 1, 2, 0 1 P X P X P X P X
13 2.3.4.CARACTERIZACIÓN DE UNA V.A. DISCRETA A PARTIR DE SU FUNCIÓN DE DISTRIBUCIÓN F Teorema : Sea X una variable aleatoria discreta con función de distribución F. Entonces, su distribución de probabilidad x i, p i viene dada por: x :puntos de discontinuidad de F i lim p F x F x : altura de la discontinuidad en x i i xx i i Ejemplo 8: A partir de la función de distribución de la variable X: número de caras al lanzar dos veces una moneda, obtener su distribución de probabilidad. Observación: para definir correctamente una variable aleatoria discreta se puede dar su distribución de probabilidad o su función de distribución, indistintamente.
14 2.4. VARIABLES ALEATORIAS CONTINUAS: función de densidad y función de distribución Idea: Una variable aleatoria X es continua si toma valores en intervalos de la recta real: tiempos, pesos, alturas, voltajes, Definición: Decimos que X es una variable aleatoria continua si su función de distribución F (recordad que F x P X x ) puede escribirse a partir de una función f : [0, ) como F x x f t dt La función f se llama función de densidad asociada a la variable aleatoria X. Observación: el gráfico de la función de densidad como función real de variable real será una representación de la v.a.
15 PROPIEDADES PARA VARIABLES ALEATORIAS CONTINUAS 1.- La función de densidad f verifica: f 0y f() x dx1 2.- f : es función de densidad de una variable continua sí y solamente sí verifica las dos condiciones de la propiedad 1. ( ) ( ) ( ) y ( ) P a X b F b F a f x dx P X a. Por a tanto 4.- La función de distribución ib ió F de una variable aleatoria continua es una función continua CONTINUA en todo. b Pa X b Pa X b Pa X b Pa X b 5.- Si la función de densidad f es continua en x, entonces se verifica F x f( x)
16 Observación: para definir correctamente una variable aleatoria continua se puede dar su función de densidad o su función de distribución, indistintamente. Ejemplo 9: Sea X la variable aleatoria que mide la longitud de una pieza, con densidad: f x 2 k 1 x 0 x 1 0 en el resto (a) Obtener k para que f(x) sea función de densidad. (b) Obtener la función de distribución de X. Comprobar que verifica las propiedades para ser función de distribución. (c) Calcular la probabilidad de que la longitud de una pieza esté entre 0.75 cm y 1 cm. Hacerlo mediante la función de densidad y mediante la función de distribución. (d) A partir de la función de distribución de X obtener la densidad.
17 Ejemplo 10: Sabiendo que la función de distribución siguiente corresponde a una variable aleatoria continua X: 0 x 0 x 2 /8 0 x 2 F x a 2 x 3 bx 1/4 3 x 5 1 x 5 a) Obtener los valores de a y b. b) Calcular P( 1 < X 4) y P(X = 2) c) Obtener la función de densidad de X.
18 2.5 FUNCIONES DE UNA VARIABLE ALEATORIA Sea X una variable ibl aleatoria de la que conocemos su distribución de probabilidad. A veces interesa estudiar otra variable aleatoria Y=g(X) g(x), una función de X. Tenemos tres situaciones: Si X es discreta, Y siempre es discreta. Si X es continua, Y puede ser discreta o continua. De estos dos, solamente estudiaremos el primer caso.
19 Ejemplo 11: Sea X una variable aleatoria discreta con la siguiente distribución de probabilidad. Obtener la distribución de probabilidad de la variable aleatoria Y = X x i p i 1/6 1/12 1/4 1/2 Ejemplo 12: Consideremos la variable aleatoria del ejemplo 9, X: longitud de una pieza. Las piezas producidas en este proceso de fabricación ió se venden con las siguientes condiciones: si la pieza mide menos de 0.25 cm se considera defectuosa yno se puede vender y se pierden 2 euros por pieza; si mide entre 0.25 cm y 0.75 cm se considera correcta y en la venta se ganan 5 euros por pieza. Si mide más de 0.75 cm se puede retocar y vender ganando solamente 1 euro por cada una. Hallar la distribución de probabilidad de la variable Y: ganancia obtenida por la venta de una pieza.
20 2.6. MEDIDAS ASOCIADAS A VARIABLES ALEATORIAS Medidas de centralización: Dan una idea de los valores centrales o centro de la distribución. La más importante es la MEDIA, llamada también ESPERANZA o VALOR ESPERADO. Medidas de dispersión: Dan una idea de la distancia de la distribución de los valores de la variable aleatoria a los valores centrales de la misma. Las más importantes son la VARIANZA y la DESVIACIÓN TÍPICA, que miden distancia de la variable a la media.
21 MEDIA O ESPERANZA DE UNA VARIABLE ALEATORIA X Dado un conjunto de datos x 1, x 2,..., x n, sabemos calcular la media de los mismos, en concreto n k k k 1 1 ni x xi= xin i = xi xi fi n n n i 1 i 1 i 1 i 1 n i = frecuencia del dato x i ; f i : frecuencia relativa del dato x i. Definición: Sea X una v.a. discreta con distribución de probabilidad x 12 Llamaremos esperanza i, pi, i 1,2,... matemática o media de la variable aleatoria X al valor EX [ ] xp i i i
22 MEDIA O ESPERANZA DE UNA VARIABLE ALEATORIA X Definición: Sea X una variable aleatoria de tipo continuo cuya función de densidad asociada es f. Llamaremos esperanza matemática o media de la variable aleatoria X al valor EX [ ] xf( xdx ) Teorema: Sea X una variable ibl aleatoria y sea Y= g(x) una transformación de X tal que Y es una v.a. Entonces, X discreta con x, p i 1, 2,. E Y E[ g( X)] g( x ) p i i i i i X continua con densidad f( x) E Y E[ g( X)] g( x) f( x) dx
23 MEDIA O ESPERANZA DE UNA VARIABLE ALEATORIA X Consecuencia: Sea Y = ax+b y X una v.a. cualquiera. Entonces, siempre se verifica que E[Y] = E[aX+b ] = a E[X] + b. Ejemplo 13: Calcular la esperanza de las variables de los ejemplos 2 y 9. Ejemplo 14: Sea X: longitud de una pieza, en cm, la variable del ejemplo 9. Sea Y la variable aleatoria que mide el beneficio, en euros, obtenido en la venta de una pieza, dado por Y = 3X + 7. Obtener el beneficio medio por pieza.
24 VARIANZA Y DESVIACIÓN TÍPICA DE UNA VARIABLE ALEATORIA X 1 n i n i 1 Para un conjunto de datos x 1, x 2,..., x n, la varianza es 2 V x x Definición: Sea X una variable aleatoria cualquiera con media = E[X]. Llamaremos varianza de X, V(X), al valor V( X) E[ X E X ] E[ X ] Propiedades de la varianza de una variable aleatoria X: 1. V(X) V( X) E[ X ] E [ X] (forma de cálculo). 3. Sea Y = ax + b, entonces 2 V( ax b) a V( X) a, b Definición: Sea X v.a. cualquiera y V(X) su varianza. Llamaremos desviación típica de X: dt X V X. Viene medida en las mismas unidades que X.
25 VARIANZA Y DESVIACIÓN TÍPICA DE UNA VARIABLE ALEATORIA X 2 Cálculo del término EX [ ] : *Si X es discreta: 2 2 x, p, i1,2,... E X x p i i i i i1 * Si X es continua con densidad f(x): 2 2 E X x f ( xdx ) Ejemplo 15: Calcular la varianza y desviación típica de las variables de los ejemplos 2 y 9. Ejemplo 16: Sea X: longitud de una pieza, en cm, la variable del ejemplo 9. Sea Y la variable aleatoria que mide el beneficio, en euros, obtenido en la venta de una pieza, dado por Y = 3X + 7. Obtener la varianza de la variable que mide el beneficio por pieza.
26 2.7. VARIABLES ALEATORIAS INDEPENDIENTES El concepto de variables aleatorias independientes está directamente relacionado con el de sucesos independientes. Dos sucesos A y B son independientes si la ocurrencia de uno de ellos no modifica la probabilidad del otro, es decir, / PA P A B Dos variables X e Y serán independientes cuando conocer el valor que toma una de ellas, por ejemplo, X = x i, no modifica la distribución de probabilidad de la otra variable, Y. Si las dos variables son discretas esto se formaliza como para todo P Y y / X x P Y y x, y j i j i j
27 Ejemplo 17 Igual que en el caso de sucesos, el concepto de independencia de variables recoge también ideas intuitivas: 1. Para las variables X: peso de un idiid individuo; Y: altura de un individuo parecen X e Y variables independientes? di 2. Si estudiamos las variables X: duración de un componente de un ordenador; Y: tiempo de respuesta del equipo al procesar un trabajo parecen X e Y variables independientes?
28 SUCESOS INDEPENDIENTES (TEMA 1) 1. Teorema: A y B son sucesos independientes si y sólo sí: P AB P APB 2. Definición: Para el caso de n sucesos, A1, A2,..., An son independientes sí y solo sí, para cualquier subconjunto, A, A,..., A se verifica que: i1 i2 ik P A A A P A P A P A i1 i2 ik i1 i2 ik
29 DEFINICIÓN DE VARIABLES ALEATORIAS INDEPENDIENTES Definición: Sean X 1,X 2,...,X n n variables aleatorias que toman los valores x 1, x 2,..., x n, respectivamente. Se dice que las variables X 1,X 2,...,X n son INDEPENDIENTES, si y solo sí: Caso discreto: P X x X x P X x P X x P X x 1 1 n n n n Caso continuo: P X x X x 1 1 n n f x1 f x2... f x X X X n 1 2 Estas igualdades se usarán en el tema 5. n se mide a partir de
30 PROPIEDADES DE ESPERANZAS Y VARIANZAS Sean X 1,X 2,...,X n variables aleatorias y sean a 1,a 2,...,a n y b números reales. Siempre se verifica que: E ax ax ax b aex [ ] aex [ ] aex [ ] b n n n n. (generalización ió de la propiedad d E[aX+b] = ae[x]+b) Solamente si X 1,X 2,...,X n son independientes: VaXaXaX b av X av X av X n n n n (generalización de la propiedad V(aX+b) = a 2 V(X)) Ejemplo 18: hacer problema 6 de la hoja de problemas.
Variables 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 detallesCapítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesVariables aleatorias
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 detallesDistribuciones de Probabilidad para Variables Aleatorias Discretas 1
Distribuciones de Probabilidad para Variables Aleatorias Discretas Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística,
Más detallesDefinición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).
VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido
Más detallesTema 5. Variables Aleatorias
Tema 5. Variables Aleatorias Presentación y Objetivos. En este tema se estudia el concepto básico de Variable Aleatoria así como diversas funciones fundamentales en su desarrollo. Es un concepto clave,
Más detallesPROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M.
PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES Prof. Johnny Montenegro 1 M. PROBABILIDADES 2 Una variable es aleatoria si toma los valores de los resultados de un experimento aleatorio. Esta
Más 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 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 detallesSistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad
Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad Indice 1) Sucesos aleatorios. Espacio muestral. 2) Operaciones con sucesos. 3) Enfoques de la Probabilidad.
Más detallesUnidad II: Fundamentos de la teoría de probabilidad
Unidad II: Fundamentos de la teoría de probabilidad 2.1 Teoría elemental de probabilidad El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que se denominan aleatorios, cuya característica
Más detallesDistribuciones de Probabilidad Para Variables Aleatorias Continuas
Distribuciones de Probabilidad Para Variables Aleatorias Continuas Departamento de Estadística-FACES-ULA 20 de Diciembre de 2013 Introducción Recordemos la definición de Variable Aleatoria Continua. Variable
Más detallesUnidad 1: Espacio de Probabilidad
Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar
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 detallesJUNIO Bloque A
Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.
Más detallesOPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores.
PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA EL ALUMNADO DE BACHILLERATO. 159 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. JUNIO 16 EXAMEN RESUELTO POR JAVIER SUÁREZ CABALLERO (@javiersc9) OBSERVACIONES IMPORTANTES:
Más detallesVariables Aleatorias. Introducción
Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,
Más 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 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 detallesTema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias
Estadística Tema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010 Contenidos...............................................................
Más detallesVariable Aleatoria. Relación de problemas 6
Relación de problemas 6 Variable Aleatoria. Consideremos el experimento aleatorio consistente en lanzar dos dados equilibrados y observar el número máximo de los dos números obtenidos en ellos. Si X es
Más detalles2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria
2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un
Más detallesGrupo 23 Semestre Segundo examen parcial
Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesFunciones reales. Números complejos
Funciones reales. Números complejos Funciones reales 1. Encuentra todos los números reales x que verifican: a) (x 1)(x 3) > 1 b) x + 1 > 1 1 x c) x 1 + x + 1 < 1 d) 5 < x 2 14x + 5 < 26 2. Si la gráfica
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detallesTema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
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 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 detallesVariables aleatorias. Función de distribución y características asociadas
Índice 3 Variables aleatorias. Función de distribución y características asociadas 3.1 3.1 Introducción.......................................... 3.1 3.2 Concepto de variable aleatoria................................
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 detallesTeorema de Bayes. mientras que B tiene una tasa de defectos del 4%.
Teorema de Bayes Ejemplo: En una empresa manufacturera, una máquina A produce el 60% de la producción total, mientras que una máquina B el restante 40%. 71 El 2% de las unidades producidas por A son defectuosas,
Más detallesMODELO DE RESPUESTAS Objetivos del 1 al 9
PRUEBA INTEGRAL LAPSO 05-764 - /9 Universidad Nacional Abierta Probabilidad y Estadística I (Cód. 764) Vicerrectorado Académico Cód. Carrera: 6 Fecha: 0-04-06 MODELO DE RESPUESTAS Objetivos del al 9 OBJ
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 detallesDistribuciones de probabilidad bidimensionales o conjuntas
Distribuciones de probabilidad bidimensionales o conjuntas Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma semejante al caso unidimensional. Para el caso
Más detallesIntroducción al Tema 9
Tema 2. Análisis de datos univariantes. Tema 3. Análisis de datos bivariantes. Tema 4. Correlación y regresión. Tema 5. Series temporales y números índice. Introducción al Tema 9 Descripción de variables
Más detallesSolución: Las rectas paralelas a estas tienen la misma pendiente, es decir 2; por tanto la ecuación es:
Representa las rectas y = x + e y = x y calcula el punto que tienen en común El punto que tienen en común estas dos rectas se obtiene resolviendo el siguiente sistema de ecuaciones: y = x + y = x 3 x =,
Más detallesCONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos.
CAPÍTULO IV. CONTINUIDAD DE FUNCIONES SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. 121 A. DEFINICIÓN DE FUNCIÓN CONTINUA. Una función
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 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 detalles2 ln x dx. Solución: Resolvemos la integral por partes. Si hacemos u = ln x y dv = dx, entonces u =ln x du = 1 x dx dv = dx v = x y por tanto
Tema 6 Integración Definida Ejercicios resueltos Ejercicio Calcular la integral definida ln x dx Solución: Resolvemos la integral por partes. Si hacemos u = ln x y dv = dx, entonces u =ln x du = x dx dv
Más detallesX = beneficio del jugador = (ganancia neta) (recursos invertidos) Cuántos euros debo poner yo para que el juego sea justo?
Ejemplo: el valor esperado y los juegos justos. En los juegos de azar es importante la variable aleatoria X = beneficio del jugador = (ganancia neta) (recursos invertidos) El juego consiste en una caja
Más detallesPrueba Integral Lapso /6
Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 3 Variables aleatorias Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
Más detallesESTADISTICA Y PROBABILIDAD ESTADÍSTICA
ESTADÍSTICA La estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comprobaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesMÉTODOS ESTADÍSTICOS APLICADOS
Pedro Sánchez Algarra (autor y coordinador) Xavier Baraza Sánchez Ferran Reverter Comas Esteban Vegas Lozano Departament d Estadística TEXTOS DOCENTS 3 MÉTODOS ESTADÍSTICOS APLICADOS Pedro Sánchez Algarra
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 detallesJUNIO Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: A
Bloque A JUNIO 2003 1.- Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: 1 0 A = 1 0 A Cuántas matrices A existen con esa condición? Razona tu respuesta.
Más detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UCM Función de distribución y función de densidad Ejercicio. Sea X una variable aleatoria con función de distribución dada
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 4 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesDescriptiva y Probabilidad
Estadística Descriptiva y Probabilidad (Teoría y problemas) 3 a Edición Autores I. Espejo Miranda F. Fernández Palacín M. A. López Sánchez M. Muñoz Márquez A. M. Rodríguez Chía A. Sánchez Navas C. Valero
Más detallesConceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas
Conceptos Fundamentales Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Análisis de datos en física de partículas Experimento en física de partículas: Observación de n sucesos de un cierto tipo (colisiones
Más detallesTema 3: Variables aleatorias y vectores aleatorios bidimensionales
Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD
Opción A Ejercicio 1.- Sea f : R R definida por f(x) = x 3 +ax 2 +bx+c. a) [1 75 puntos] Halla a,b y c para que la gráfica de f tenga un punto de inflexión de abscisa x = 1 2 y que la recta tangente en
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 detallesESTRUCTURA DEL EXAMEN DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II PARA ALUMNOS DE BACHILLERATO
ESTRUCTURA DEL EXAMEN DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II PARA ALUMNOS DE BACHILLERATO El examen presentará dos opciones diferentes entre las que el alumno deberá elegir una y responder
Más detalles4.1. Polinomios y teoría de ecuaciones
CAPÍTULO 4 Polinomios y teoría de ecuaciones 4.1. Polinomios y teoría de ecuaciones Un polinomio real en x, o simplemente polinomio en x es una expresión algebraica de la forma a n x n + a n 1 x n 1 +
Más detallesESTADÍSTICA I, curso Problemas Tema 4
ESTADÍSTICA I, curso 007-008 Problemas Tema 4 1. En un problema de una prueba aplicada a niños pequeños se les pide que hagan corresponder tres dibujos de animales con la palabra que identifica a ese animal.
Más detallesFunciones convexas Definición de función convexa. Tema 10
Tema 10 Funciones convexas Los resultados obtenidos en el desarrollo del cálculo diferencial nos permiten estudiar con facilidad una importante familia de funciones reales de variable real definidas en
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 detallesTema 5 Variables aleatorias: distribuciones de probabilidad y características.
Tema 5 Variables aleatorias: distribuciones de probabilidad y características. 1. Introducción Según se ha reflejado hasta el momento, el espacio muestral asociado a un experimento aleatorio puede ser
Más detalles1.- Entre todos los triángulos rectángulos de 5 metros de hipotenusa, determina los catetos del de área máxima. Solución:
RELACIÓN DE PROBLEMAS DE SELECTIVIDAD DE ANÁLISIS. I Departamento de Matemáticas 1.- Entre todos los triángulos rectángulos de 5 metros de hipotenusa, determina los catetos del de área máxima. Función
Más detallesa) Calcula el valor de k. b) Halla la ecuación de la recta tangente a la gráfica de la función f en el punto de abscisa x = 1.
Selectividad CCNN 0. [ANDA] [JUN-A] Sea la función f: definida por f(x) = e x (x - ). a) Calcula la asíntotas de f. b) Halla los extremos relativos (abscisas donde se obtienen y valores que se alcanzan)
Más detallesEVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones
Más detallesUnidad III Variables Aleatorias Unidimensionales
Unidad III Variables Aleatorias Unidimensionales En el capítulo anterior se examinaron los conceptos básicos de probabilidad con respecto a eventos que se encuentran en un espacio muestral. Los experimentos
Más detallesSemana03[1/17] Funciones. 16 de marzo de Funciones
Semana03[1/17] 16 de marzo de 2007 Introducción Semana03[2/17] Ya que conocemos el producto cartesiano A B entre dos conjuntos A y B, podemos definir entre ellos algún tipo de correspondencia. Es decir,
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 detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 5 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesConjuntos, relaciones y funciones Susana Puddu
Susana Puddu 1. Repaso sobre la teoría de conjuntos. Denotaremos por IN al conjunto de los números naturales y por ZZ al de los enteros. Dados dos conjuntos A y B decimos que A está contenido en B o también
Más detallesPROBLEMAS DE INTEGRALES INDEFINIDAS
PROBLEMAS DE INTEGRALES INDEFINIDAS Integración por partes. Mediante la integración por partes, hallar una primitiva de la función y = Ln (1 + x) Calcular una primitiva de una función, es hallar su
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:
Más detallesPAU Madrid. Matemáticas II. Año Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos.
PAU Madrid. Matemáticas II. Año 22. Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos. Se considera una varilla AB de longitud 1. El extremo A de esta varilla recorre completamente la circunferencia
Más detallesEL PROBLEMA DE LA TANGENTE
EL PROBLEMA DE LA TANGENTE El problema de definir la tangente a una curva y f (x) en un punto P ( x, y ) ha llevado al concepto de la derivada de una función en un punto P ( x, y ). Todos sabemos dibujar
Más detallesVariables aleatorias continuas
Probabilidades y stadística Computación Facultad de Ciencias actas y Naturales Universidad de uenos ires na M ianco y lena J Martínez 004 Variables aleatorias continuas jemplo: Con el in de realizar un
Más detallesTema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto
Estadística Tema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................
Más detallesDr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez
Profesores: Mg. Cecilia Rosas Meneses Dr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez Definición. La función de distribución acumulada F X de una v.a. X es definida para cada número real x como
Más detallesTEMA 2: DERIVADA DE UNA FUNCIÓN
TEMA : DERIVADA DE UNA FUNCIÓN Tasa de variación Dada una función y = f(x), se define la tasa de variación en el intervalo [a, a +h] como: f(a + h) f(a) f(a+h) f(a) y se define la tasa de variación media
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 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 detallesGrado en Química Bloque 1 Funciones de una variable
Grado en Química Bloque Funciones de una variable Sección.7: Aproximación de funciones. Desarrollo de Taylor. Aproximación lineal. La aproximación lineal de una función y = f(x) en un punto x = a es la
Más detallesTeoría de la decisión
Teoría de la decisión Repaso de Estadística Unidad 1. Conceptos básicos. Teoría de. Espacio muestral. Funciones de distribución. Esperanza matemática. Probabilidad condicional 1 Teoría de la decisión Teoría
Más detallesTeoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
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 detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesRELACIÓN DE EJERCICIOS TEMA 2
1. Sea una distribución estadística que viene dada por la siguiente tabla: Calcular: x i 61 64 67 70 73 f i 5 18 42 27 8 a) La moda, mediana y media. b) El rango, desviación media, varianza y desviación
Más detalleswww.academiacae.com!!info@academiacae.com!!91.501.36.88!!28007!madrid!
CONTINUIDAD Y DERIVABILIDAD. TEOREMAS Y APLICACIONES DE LAS DERIVADAS 1.- junio 1994 Se sabe que y = f (x) e y = g (x) son dos curvas crecientes en x = a. Analícese si la curva y = f(x) g(x) ha de ser,
Más detallesINTEGRAL DEFINIDA. CÁLCULO DE ÁREAS.
INTEGRAL DEFINIDA. CÁLCULO DE ÁREAS. 1. ÁREA LIMITADA POR UNA FUNCIÓN. INTEGRAL DEFINIDA. Si tenemos una función f(x) con una forma conocida, por ejemplo una recta, una semicircunferencia,... podemos calcular
Más detallesConceptos iniciales: Probabilidad: Experimento: Determinístico: Aleatorio: Punto muestral ó Resultado: Evento:
Probabilidad. Experimento aleatorio, espaciomuestral, variable aleatoria. Probabilidad condicional. Sucesos mutuamente excluyentes e independientes. Variable aleatoria. Esperanza y varianza de una variable
Más detallesNo es otra cosa, que la representación de los resultados de una función sobre el plano carteciano.
FUNCIONES GRAFICAS No es otra cosa, que la representación de los resultados de una función sobre el plano carteciano. INTÉRVALOS Un intervalo es el conjunto de todos los números reales entre dos números
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 detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesf: D IR IR x f(x) v. indep. v. dependiente, imagen de x mediante f, y = f(x). A x se le llama antiimagen de y por f, y se denota por x = f -1 (y).
TEMA 8: FUNCIONES. 8. Función real de variable real. 8. Dominio de una función. 8.3 Características de una función: signo, monotonía, acotación, simetría y periodicidad. 8.4 Operaciones con funciones:
Más detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
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 detallesMATEMÁTICAS 2º ESO. BLOQUE 9. FUNCIONES, ESTADÍSTICA Y PROBABILIDAD. (En el libro Temas 8, 9 y 10, páginas 141, 159 y 177)
MATEMÁTICAS 2º ESO. BLOQUE 9. FUNCIONES, ESTADÍSTICA Y PROBABILIDAD. (En el libro Temas 8, 9 y 10, páginas 141, 159 y 177) 1. Funciones. 1.1. Coordenadas en el plano. 1.2. Definición de función. 1.3. Intervalos.
Más detalles