, x es un suceso de S. Es decir, si :
|
|
- Guillermo Maestre Velázquez
- hace 6 años
- Vistas:
Transcripción
1 1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual de probabldad de la dstrbucón de Posson ~P( λ ) d) Construccón de la Funcón de dstrbucón de la Bnomal. e) Construccón de la Funcón de dstrbucón de la Bnomal. f) Cálculo de la Esperanza y la Varanza de ambas dstrbucones. 2. Introduccón a varables aleatoras: El concepto de varable aleatora es fundamental en el cálculo de probabldades y, en consecuenca, para sus posterores aplcacones en la nferenca estadístca. A partr de las varables aleatoras se modelzan los resultados de un epermento aleatoro en el conjunto de los números reales. En el tema de probabldad se estudan las característcas generales de los espacos de probabldad (Ω, S, P), donde Ω es el espaco muestral, S una σ-álgebra y P una funcón de probabldad. Esta funcón P, al ser una funcón de conjuntos, no es fáclmente manejable. Además, en la práctca lo que se suele necestar es una funcón que nos descrba alguna característca de los sucesos elementales. Así por ejemplo, cuando se lanza repetdamente una moneda, en general no es de nuestro nterés conocer en qué lanzamento o lanzamentos se ha obtendo cara sno que suele resultar más nteresante conocer el número de caras (o de cruces) que se han obtendo al lanzar n veces una moneda. En consecuenca, parece deseable ntroducr una funcón defnda sobre el espaco muestral para estudar este tpo de observacones. Para ellos se ntroduce el concepto de varable aleatora que damos a contnuacón: DEFINICIÓN: Consderemos el espaco probablístco (Ω, S, P). Dremos que una funcón X defnda de : X : Ω R es una varable aleatora s la magen nversa medante X de, es un suceso de S. Es decr, s : cualquer ntervalo de la forma ( ] X 1 {(, X ]} = { w Ω / X ( w) } S 1 Por comoddad de notacón, llamamos: X {(, X ]} = { X ( w) } = { X } Intutvamente una varable aleatora es una cantdad medda en relacón con un epermento aleatoro. S w es un resultado de una realzacón del epermento aleatoro, llevamos a cabo un proceso de medda (número de caras obtendas cuando lanzamos n monedas) y obtenemos X(w). Por motvos hstórcos, se utlza el nombre de varables aleatoras, en lugar del de funcones, que es lo que realmente son, y en lugar de representarse medante letras mnúsculas como las funcones, se descrben medante las últmas letras del abecedaro U,V,W,X,Y,Z, sempre en mayúsculas. El térmno aleatora se utlza para dferencarlas de su antecedente hstórco: la varable estadístca, objeto de estudo es Estadístca Descrptva. 1
2 Esquemátcamente podemos resumr la característcas de las varables aleatoras: VARIABLE ALEATORIA:X FUNCIÓN DE DISTRIBUCIÓN DE X = V.A. DISCRETA V.A. CONTINUA FUNCIÓN DE DISTRIBUCIÓN: F() ESPERANZA Y VARIANZA BERNOUILLI BINOMIAL POISSON 3.Funcón de dstrbucón Sea X una v.a. defnda sobre el espaco probablístco (Ω, S, P). Asocada a ella defnmos una funcón F, dada por: F : R R F( ) = P( X ) = P( { w Ω / X ( w) } ) para todo R y la denomnaremos funcón de dstrbucón de la v.a. X. 4. Tpos de varables aleatoras Sea X una v.a. defnda sobre el espaco probablístco (Ω, S, P) y sea F su funcón de dstrbucón. La v.a. X podrá ser de tpo dscreto o de tpo contnuo.. X será una v.a. dscreta cuando sólo puede tomar un número fnto o nfnto, pero numerable, de valores. Estas v.a. son objeto de estudo en esta práctca.. X será una v.a. contnua cuando puede tomar todos los valores posbles de un ntervalo, fnto o nfnto. Este tpo de varables las estudaremos en la práctca Varables aleatoras dscretas DEFINICIÓN : Dremos que una varable aleatora X : Ω R es de tpo dscreto s el conjunto magen de Im( X ) = X Ω = t / X w = t, es fnto o numerable. X, ( ) { ( ) } DEFINICIÓN : S X : Ω R es v.a. dscreta y el conjunto C = Im( X ) = X ( Ω) = { 1, 2,..., n }, es fnto, podremos escrbr: n n P( C) = P = P( X = ) = 1 = 1 = 1 Trvalmente se etende la defncón al caso numerable. La funcón p() =P(X= ) se llama 2
3 funcón puntual de probabldad. En ocasones usaremos la notacón p =P(X= ). PROPIEDADES:. 0 p = P( X = ) 1, al ser una probabldad.. P( X = ) = 0 = p para todo Im(X ). P ( X = ) = 1 6. Característcas de una varable aleatora dscreta a) Esperanza Matemátca o valor esperado Se representa por E(X) y se calcula, en el caso dscreto, medante la fórmula: ( X ) 1 p1 + 2 p2 + = P( X = ) = E... = p La denomnacón esperanza tene sus raíces hstórcas en los juegos de azar. Nos calcula la gananca que un jugador espera obtener cuando el juego se repte muchas veces. En defntva, nos srve para calcular el valor medo esperado para la varable aleatora X. b) Varanza Se representa por Var(X)=σ 2 y se calcula, en el caso dscreto, medante la fórmula: ( X ) = E( X 2 ) E( X ) 2 Var 2 2 donde E( X ) = P( X = ). La desvacón típca σ se calcula como la raíz cuadrada de la varanza. 7. Modelos de varables aleatoras dscretas a) Dstrbucón Bernoull : X~b(p) Se defne un epermento Bernoull como aquel que solo puede dar lugar a dos resultados posbles, uno de los cuales suele denomnarse éto y el otro fracaso. La varable aleatora asocada a este epermento es aquella que toma el valor 1 s ocurre el éto ( con probabldad p) y 0 s ocurre el fracaso ( con probabldad 1-p=q) CARACTERÍSTICAS:. Parámetro : 0 < p < 1 1. Funcón puntual de probabldad : ( ) ( ). v. Meda : E(X) = p Varanza : Var (X)= pq P X = = p 1 p con =0,1 b) Dstrbucón Bnomal : X~B(n;p) Supongamos que realzamos un epermento Bernoull (con probabldad de éto gual a p) n veces. Se defne la v.a. X (Bnomal de parámetros n y p) como el número de étos obtendos en la realzacón de n pruebas ndependentes Bernoull. 3
4 CARACTERÍSTICAS:. Parámetro : 0 < p < 1, n Ν. n n Funcón puntual de probabldad : P( X = ) = p ( 1 p) con =0,1,2.,n. n k Funcón de dstrbucón : F( ) = P( X ) = p k q n k = 0 k v. Meda : E(X) = np v. Varanza : Var (X)= npq c) Dstrbucón de Posson : X~P(λ) Normalmente se utlza esta dstrbucón par medr el número de ocurrencas en un ntervalo de tempo de un certo fenómeno bajo certas hpótess; por ejemplo, los procesos de llegada de muchos fenómenos de espera (número de personas en una cola de un supermercado, número de llamadas a una central telefónca, etc.) CARACTERÍSTICAS:. Parámetro : λ > 0. λ e λ Funcón puntual de probabldad : P( X = ) = con =0,1,2,3,..!. λ k e λ Funcón de dstrbucón: F( ) = P( X ) = k = 0 k! v. Meda : E(X) = λ v. Varanza : Var (X)= λ 8. Varables aleatoras dscretas usando EXCEL: 8.1. Dstrbucón Bnomal = DISTR.BINOM(núm_éto;ensayos;prob_éto;acumulado) Devuelve la probabldad de una varable aleatora dscreta sguendo una dstrbucón bnomal. Se utlza DISTR.BINOM en problemas con un número fjo de pruebas o ensayos, cuando los resultados de un ensayo son sólo éto o fracaso, cuando los ensayos son ndependentes y cuando la probabldad de éto es constante durante todo el epermento. Por ejemplo, DISTR.BINOM puede calcular la probabldad de que dos de los prómos tres bebés que nazcan sean hombres. Sntas =DISTR.BINOM(núm_éto;ensayos;prob_éto;acumulado) donde : Núm_éto es el número de étos en los ensayos. Ensayos es el número de ensayos ndependentes. Prob_éto es la probabldad de éto en cada ensayo. Acumulado es un valor lógco que determna la forma de la funcón. S el argumento acumulado es VERDADERO, DISTR.BINOM devuelve la funcón de dstrbucón acumulada (FUNCIÓN DE DISTRIBUCIÓN) que es la probabldad de que esta el mámo número de étos; s es FALSO, devuelve la funcón PUNTUAL de probabldad, que es la probabldad de que un evento se reproduzca un número de veces gual al argumento núm_éto. 4
5 S el argumento acumulado = FALSO: P n p k k k q n ( = ) = ( Funcón puntual) X k S el argumento acumulado =VERDADERO: F( ) = P X ) = k ( p k q n (Dstrbucón) Ejemplo El ejemplo puede resultar más fácl de entender s lo copa en una hoja de cálculo en blanco. k = 0 n k Datos Descrpcón 6 Número de étos de los ensayos 10 Número de ensayos ndependentes 0.5 Probabldad de éto de cada ensayo Fórmula =DISTR.BINOM (A2;A3;A4;FALSO) Descrpcón (Resultado) La probabldad de que eactamente 6 de 10 ensayos tengan éto es 0, Dstrbucón de Posson = POISSON(;meda;acumulado) Devuelve la dstrbucón de Posson. Una de las aplcacones comunes de la dstrbucón de Posson es la predccón del número de sucesos en un determnado período de tempo, como por ejemplo, el número de automóvles que se presenta a una zona de peaje en el ntervalo de un mnuto. Sntas =POISSON(;meda;acumulado), donde: X es el número de sucesos. Meda es el valor numérco esperado. Acumulado es un valor lógco que determna la forma de la dstrbucón de probabldad devuelta. S el argumento acumulado es VERDADERO, POISSON devuelve la probabldad de Posson de que un suceso aleatoro ocurra un número de veces comprenddo entre 0 y nclusve (FUNCIÓN DE DISTRIBUCIÓN) ; s el argumento acumulado es FALSO, la funcón devuelve la probabldad de Posson de que un suceso ocurra eactamente veces ( FUNCIÓN PUNTUAL DE PROBABILIDAD). S el argumento acumulado = FALSO: P( X e ) = λ! λ = ( Funcón puntual) S el argumento acumulado =VERDADERO: F( ) = P( X ) = e λ λ k k = 0 k! ( Dstrbucón) Ejemplo Datos Descrpcón 2 Número de sucesos 5
6 5 Meda esperada Fórmula Descrpcón (Resultado) =POISSON(A2;A3;VERDADERO) Probabldad de Posson acumulada con los térmnos anterores (0,124652) = P(X=0)+P(X=1)+P(X=2) =POISSON(A2;A3;FALSO) Funcón de probabldad de Posson con los térmnos anterores (0,084224) = P(X=2) 9. Caso práctco 9.1. Cálculo de probabldades, funcón puntual de probabldad y funcón de dstrbucón en una v.a. Bnomal: a) Crea una hoja de cálculo (HOJA1) que halle la probabldad de obtener k étos al realzar n epermentos Bernoull con una probabldad de éto gual a p. Utlzando la HOJA1 calcula las sguentes probabldades:. En una B(5;0,4), P(X=3) =. En una B(20;0,3), P(X=10)=. En una B(7;0,56), P (X 5) = v. En una B(50;0,22), P(X<11) = b) Crea otra hoja de cálculo (HOJA2) que contenga los valores de las funcones puntuales de probabldad y de las funcones de dstrbucón de las varables aleatoras B(10;p) con p tomando los valores 0,01;0,05; 0,10...; 0,5. Utlzando la HOJA2 haz la representacón gráfca de las funcones:. Funcón puntual de B(10;0,4). Funcón de dstrbucón de B(10;0,55), 9.2. Resolucón de problemas usando la Bnomal: Crea una hoja de cálculo (HOJA3) medante la cual puedas resolver el sguente problema: Un proveedor afrma que sólo el 5% de sus productos resultan defectuosos. Tomamos una muestra de tamaño 10. Calcular: a) La probabldad de que haya eactamente 3 defectuosos. b) Cuál es la probabldad de obtener 5 o más defectuosos? c) Número de productos defectuosos esperado Cálculo de probabldades, funcón puntual de probabldad, funcón de dstrbucón y resolucón de problemas en una v.a. Posson: 6
7 a) Crea una hoja de cálculo (HOJA4) que halle la P(X=k) sendo X ~P(λ).Utlzando la HOJA4 calcula las sguentes probabldades:. En una P(0,4), P(X=3) =. En una P(20), P(X=10)=. En una P(7), P (X 5) = v. En una P(50), P(X<25) = b) Crea otra hoja de cálculo (HOJA5) que te srva para resolver el sguente problema: El número de accdentes en una determnada localdad durante un fn de semana sgue una dstrbucón de Posson de parámetro 5. Calcula las probabldades de:. Que se produzcan entre 3 y 6 accdentes durante un fn de semana.. Que se produzcan menos de 8, sabendo que se han producdo el menos 5 accdentes.. v. Promedo de accdentes los fnes de semana. Número mámo de accdentes en el 90% de los fnes de semana. 7
3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesVARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.
VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un expermento, un número real.
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesDescripción de una variable
Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesPARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x
Dstrbucones de Probabldad dscretas-bn1b DISTRIBUIONES DISRETAS DE PROBABILIDAD Dstrbucones dscretas son aquellas en las que la varable sólo puede tomar valores aslados. Ejemplo: lanzar una moneda ( valores:
Más detallesTEMA 4 Variables aleatorias discretas Esperanza y varianza
Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesDistribuciones de probabilidad
Dstrbucones de probabldad Toda dstrbucón de probabldad es generada por una varable aleatora x, la que puede ser de dos tpos: Varable aleatora dscreta (x). Se le denomna varable porque puede tomar dferentes
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesTema 21: Distribución muestral de un estadístico
Análss de Datos I Esquema del Tema 21 Tema 21: Dstrbucón muestral de un estadístco 1. INTRODUCCIÓN 2. DISTRIBUCIÓN MUESTRAL DE LA MEDIA 3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN Bblografía * : Tema 15
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesXII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.
Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesEjercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.
Ejercco nº En una empresa de teleonía están nteresados en saber cuál es el número de aparatos teleóncos (ncludos teléonos móvles) que se tene en las vvendas. Se hace una encuesta y, hasta ahora, han recbdo
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesDISTRIBUCION DE RENDIMIENTOS: APLICACIONES
DISTRIBUCION DE RENDIMIENTOS: APLICACIONES Puntos a desarrollar Como es el modelo de dstrbucon normal de los rendmentos Como se puede utlzar para hacer predccones futuras sobre precos de actvos Como se
Más detallesTema 1: TEORÍA DE LA PROBABILIDAD
Tema : TEORÍ DE L ROLDD Carlos lberola López Lab. rocesado de magen, ETS Telecomuncacón Despacho D04 caralb@tel.uva.es, jcasasec@tel.uva.es, http://www.lp.tel.uva.es/sar . ara qué estudar esto? Se pretende
Más detallesTeoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios
Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detalles4. PROBABILIDAD CONDICIONAL
. ROBBILIDD CONDICIONL La probabldad de que ocurra un evento B cuando se sabe que ha ocurrdo algún otro evento se denomna robabldad Condconal, Se denota como (B/) y se lee como la probabldad de que ocurra
Más detalles1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...
TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas
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 detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesAnálisis estadístico de incertidumbres aleatorias
Análss estadístco de ncertdumbres aleatoras Errores aleatoros y sstemátcos La meda y la desvacón estándar La desvacón estándar como error de una sola medda La desvacón estándar de la meda úmero de meddas
Más detallesEstadística Descriptiva Análisis de Datos
El concepto de Estadístca Estadístca Descrptva Análss de Datos 8.1 INTRODUCCION El orgen de la Estadístca se remonta a dos tpos de actvdades humanas: los juegos de azar y las necesdades de los Estados:
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesModelos unifactoriales de efectos aleatorizados
Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesINTRODUCCIÓN A LA PROBABILIDAD
INTRODUCCIÓN A LA PROBABILIDAD José Lus Quntero Expermento aleatoro Expermento Bnomal Teoría de Conjuntos Probabldad Teorema de Bayes Técncas de Conteo Unversdad Central de Venezuela Facultad de Ingenería
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesVARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesRentas o Anualidades
Rentas o Anualdades Patrca Ksbye Profesorado en Matemátca Facultad de Matemátca, Astronomía y Físca 10 de setembre de 2013 Patrca Ksbye (FaMAF) 10 de setembre de 2013 1 / 31 Introduccón Rentas o Anualdades
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detallesMatemáticas aplicadas a las ciencias sociales Estadística y Probabilidad 1º de bachillerato
Departamento de Matemátcas Matemátcas aplcadas a las cencas socales Estadístca y Probabldad º de bachllerato Matemátcas aplcadas a las cencas socales I, pág. de 48 Departamento de Matemátcas TEMA : ESTADÍSTICA
Más detalles4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es
4ºB ESO Capítulo 1: Estadístca 350 Índce 1. POBLACIÓ Y MUESTRA. VARIABLES ESTADÍSTICAS 1.1. POBLACIÓ 1.. MUESTRA 1.3. IDIVIDUO 1.4. VARIABLE ESTADÍSTICA. TABLAS DE FRECUECIAS.1. FRECUECIA ABSOLUTA.. FRECUECIA
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesCAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales
CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesMÉTODOS PARA PROBAR NUMEROS
Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular
Más detallesUNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena.
UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE COURNOT. Autores: García Córdoba, José Antono; josea.garca@upct.es Ruz Marín, Manuel; manuel.ruz@upct.es Sánchez García, Juan Francsco; jf.sanchez@upct.es
Más detallesTEMA 1: PROBABILIDAD
robabldad TEM : ROBBILIDD Índce del tema Índce del tema.. Introduccón 2.2. Defncón de probabldad 3.2.. ropedades nmedatas 3 Ejemplo 7 Ejemplo 2 8 Ejemplo 3 9.3. robabldad condconada 0.3.. Introduccón 0.3.2.
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
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 detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
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 detallesESTADÌSTICA INFERENCIAL
DIRECCIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA Y VIRTUALIDAD PROGRAMA ADMINISTRACIÓN DE EMPRESAS ESTADÌSTICA INFERENCIAL MÓDULO EN REVISIÓN DIRECCIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA Y VIRTUALIDAD PROGRAMA
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesFUNDAMENTOS QUIMICOS DE LA INGENIERIA
FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE
Más detallesBloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos
Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesPregunta Hoy está nublado, cuál es la probabilidad de que mañana continúe nublado? cuál es la probabilidad de que está nublado pasado mañana?
Cadenas de Marov Después de mucho estudo sobre el clma, hemos vsto que s un día está soleado, en el 70% de los casos el día sguente contnua soleado y en el 30% se pone nublado. En térmnos de probabldad,
Más detallesANÁLISIS EXPLORATORIO DE DATOS
ANÁLISIS EXPLORATORIO DE DATOS 1. INTRODUCCIÓN HISTÓRICA 2 1.1 La Estadístca como cenca 2 1.2 Algunos problemas que resuelve la Estadístca 2 2. INTRODUCCIÓN A LA ESTADÍSTICA 3 2.1. Concepto y Objetvo de
Más detallesIntroducción al riesgo de crédito
Introduccón al resgo de crédto Estrella Perott Investgador Senor Bolsa de Comerco de Rosaro eperott@bcr.com.ar. Introduccón El resgo credtco es el resgo de una pérdda económca como consecuenca de la falta
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesVARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández VARIABLES ALEATORIAS BIDIMENSIONALES. DISTRIBUCIONES
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesTEMA. Contenidos UNIDAD I: ESTADÍSTICA DESCRIPTIVA
ANÁLISIS DESCRIPTIVO DE VARIABLES CUANTITATIVAS () Contendos TEMA 4.4. Introduccón 4.5. Dstrbucones de frecuencas de varables cuanttatvas (datos agrupados) 4.6. Propedades de las dstrbucones de varables
Más detallesDELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID
DELTA MATE OMAÓN UNETAA / Gral. Ampuda, 6 8003 MADD EXÁMEN NTODUÓN A LA ELETÓNA UM JUNO 008 El examen consta de ses preguntas. Lea detendamente los enuncados. tene cualquer duda consulte al profesor. Todas
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 detallesMateriales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.
Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesCapítulo 3. SISTEMAS DE PARTÍCULAS
Capítulo 3. SISTEMAS DE PARTÍCULAS 3.1. Introduccón En la mayoría de los sstemas partculados esten partículas de dstnto tamaño tal como se observa en la Fgura 3.1. Muchos de los métodos que mden tamaño
Más detallesel blog de mate de aida CS I. Distribuciones de probabilidad. pág. 1
el blog de mate de ada CS I. Dstrbucones de robabldad. ág. EXPERIENTOS Y SUCESOS ALEATORIOS Eermento determnsta es aquel en que se uede redecr el resultado semre que se realce en las msmas condcones. (Ejemlo:
Más detallesEstimación del consumo diario de gas a partir de lecturas periódicas de medidores
Nota técnca Estmacón del consumo daro de gas a partr de lecturas peródcas de meddores Por Salvador Gl, Gerenca de Dstrbucón del Enargas, A. azzn, Gas Natural Ban y R. Preto, Gerenca de Dstrbucón del Enargas
Más detalles