lower.tail=true lower.tail=false
|
|
- Trinidad Salinas García
- hace 6 años
- Vistas:
Transcripción
1 Universidad de Los Andes Facultad de Ciencias Forestales y Ambientales Escuela de Ingeniería Forestal Departamento Manejo de Bosques Cátedra de Biometría Forestal Asignatura: ESTADISTICA Y BIOMETRIA Profesor Argenis Mora Garcés Práctico IV Distribuciones de Probabilidad de Variables Discretas: La Binomial y la Poisson en R. a) Distribución Binomial en R. En el cuadro 1 se describe los comandos necesarios para calcular probabilidades bajo una función de probabilidad Binomial. Primero notamos que la función en R llamada dbinom sirve para determinar la probabilidad exacta de un valor de conteo x de un total (size=) de posibles con una probabilidad de éxito (prob=). Cuadro 1. Instrucciones R para el uso de la distribución Binomial. Función en R Opciones necesarias resultado dbinom( ) x, size=, prob= Produce P(X = x); la probabilidad exacta de un valor x cualquiera pbinom( ) pbinom( ) x, size=, prob= lower.tail=true x, size=, prob= lower.tail=false Produce P(X x); la probabilidad de encontar un valor igual o menor a x; cola inferior Produce P(X x); la probabilidad de encontar un valor igual o mayor a x; cola superior Sigamos el siguiente ejemplo: Sobre una parcela se ha determinado que la probabilidad de un árbol presente ataques por un patógeno foliar es de un 15 % (probabilidad de éxito es de 0.15; P = 0.15). Sí se seleccionan un total de 10 árboles (size=10), a) cuál será la probabilidad de que 2 de esos 10 árboles presenten ataques del patógeno? b) cuál será la probabilidad de que 5 de esos 10 árboles presenten ataques del patógeno?, c) cuál será la probabilidad de que todos esos 10 árboles presenten ataques del patógeno? Para la pregunta a) se pide P(X = 2), se puede usar la siguiente instrucción en R > dbinom(2, size=10, prob=0.15) [1] Para la pregunta b) se pide P(X = 5), se puede usar la siguiente instrucción en R > dbinom(5, size=10, prob=0.15)
2 [1] Para la pregunta c) se pide P(X = 10), se puede usar la siguiente instrucción en R > dbinom(10, size=10, prob=0.15) [1] e-09 ahora respondamos las siguientes preguntas relacionadas al problema anterior: d) cuál es la probabilidad de encontrar 3 o menos árboles con presencia del patógeno?, e) cuál es la probabilidad de encontrar 4 o más árboles con presencia del patógeno? f) cuál es la probabilidad de encontrar entre 3 a 8 árboles con presencia del patógeno? La pregunta d) se pide P(X 3), hace referencia a encontrar probabilidades de cola izquierda (menores a ) y se debe usar la función pbinom, como sigue: > pbinom(3, size=10, prob=0.15, lower.tail=true) [1] nótese que fue necesaria la instrucción lower.tail=true lo cual quiere decir que deseamos la probabilidad de cola inferior o izquierda. Parece obvio que si necesitamos resolver la pregunta e) se pide P(X 4), a la instrucción lower.tail debemos sustituirle TRUE por la palabra FALSE, pues se nos pregunta la probabilidad de encontrar 4 o más árboles (cola superior o derecha), > pbinom(4, size=10, prob=0.15, lower.tail=false) [1] y finalmente, se requiere determinar la probabilidad de un intervalo de valores es decir, la probabilidad de encontrar entre 3 a 8 árboles con presencia del patógeno, se lee P(3 x 8); este se puede determinar de varias maneras. Como la suma de las probabilidades de cada valor x, osea, P(X= 3) +P(X= 4)+ P(X= 5) +P(X= 6)+ P(X= 7) +(P(X=8); así > dbinom(3, size=10, prob=0.15)+ dbinom(4, size=10, prob=0.15) +dbinom(5, size=10, prob=0.15) +dbinom(6, size=10, prob=0.15)+ dbinom(7, size=10, prob=0.15)+ dbinom(8, size=10, prob=0.15) [1] otra manera, donde se escribiría menos, es restar la probabilidad de cola inferior o izquierda de 8 menos la probabilidad de cola izquierda o inferior de 2; P(X 8) P(X 2) > pbinom(8, size=10, prob=0.15, lower.tail=true)-pbinom(2, size=10, prob=0.15, lower.tail=true) [1] Recordemos que estos cálculos de probabilidad fueron basados en dos parámetros: probabilidad de éxito de 0.15 y n = 10 árboles seleccionados. Ahora construyamos la tabla completa de probabilidades de acuerdo a estos dos parámetros, P=0.15 y n=10 > x<-0:10 > tabla < data.frame(x,p0.15=dbinom(0:10, size= 10, prob= 0.15)) > tabla
3 x P e e e e e e e e e e e-09 Y visualicemos en un histograma las probabilidades binomiales anteriores > plot(0:10, dbinom(0:10, size=10, prob=0.15), type = "h", lwd = 5, main = "Función de Distribución de Probabilidad para P=0.15 y n=10", ylab="probabilidad de X", xlab="número de árboles", font=2, cex.lab=1.5) Nótese como la distribución de las probabilidades es sesgada hacia la izquierda. Ahora construiremos en un solo gráfico cuatro histogramas mostrando las distribuciones de probabilidades para n = 10, pero con las probabilidades de éxito de P=0.10, P=0.30, P=0.50 y P=0.90 > par(mfrow=c(2,2)) > plot(0:10,dbinom(0:10,size=10,prob=0.10),type='h', ylab="probabilidad", main="p=0.10") > plot(0:10,dbinom(0:10,size=10,prob=0.25),type='h', ylab="probabilidad", main="p=0.25") > plot(0:10,dbinom(0:10,size=10,prob=0.50),type='h', ylab="probabilidad", main="p=0.50") > plot(0:10,dbinom(0:10,size=10,prob=0.90),type='h', ylab="probabilidad", main="p=0.90") > par(mfrow=c(1,1) Ahora note como cambia la forma de la distribución binomial cuando la probabilidad de éxito cambia de 0.1 hasta 0.9.
4 b) Distribución Poisson en R. En el cuadro 2 se describe los comandos necesarios para calcular probabilidades bajo una función de probabilidad Poisson. Primero notamos que la función en R llamada dpois sirve para determinar la probabilidad exacta de un valor de conteo x de acuerdo al parámetro lambda. Cuadro 2. Instrucciones R para el uso de la distribución Poisson. Función en R Opciones necesarias resultado dpois( ) x, lambda= Produce P(X = x); la probabilidad exacta de un valor x cualquiera ppois( ) ppois( ) x, lambda= lower.tail=true x, lambda= lower.tail=false Produce P(X x); la probabilidad de encontar un valor igual o menor a x; cola inferior Produce P(X x); la probabilidad de encontar un valor igual o mayor a x; cola superior Sigamos el siguiente ejemplo: En un rodal plantado con árboles de Pino caribe se ha determinado que en promedio 2.2 larvas de cortezas son encontradas en muestras de corteza de 100 cm 2 tomadas a 1,3 m sobre el suelo. Encuentre la probabilidad de que al seleccionar un trozo de corteza de 100 cm 2 se encuentre a) exactamente 3 larvas, b) menos de 3 larvas y c) mas de 3 larvas. Es de notar que el promedio 2.2 larvas por cada 100 cm 2 de corteza representa el parámetro lambda (λ), único elemento necesitado para determinar las probabilidades. Así que para la pregunta a) se pide P(X = 3), se puede usar la siguiente instrucción en R > dpois(3, lambda=2.2) [[1] Para la pregunta b) se pide P(X < 3), es decir, una probabilidad de cola inferior o izquierda que sería equivalente a preguntar P(X < 3) = P(X 2). Se puede usar la siguiente instrucción en R > ppois(2, lambda=2.2, lower.tail=true ) [1] Para la pregunta c) se pide P(X > 3), es decir, una probabilidad de cola superior o derecha que sería equivalente a preguntar P(X > 3) = P(X 4). Se puede usar la siguiente instrucción en R > ppois(4, lambda=2.2, lower.tail=false) [1]
5 Ahora construyamos la tabla completa de probabilidades de acuerdo al parámetro lambda= 2.2 > x<-0:15 > tabla < data.frame(x,lambda2.2=dpois(0:15, lambda=2.2)) > tabla x lambda e e e e e e e e e e e e e e e e-08 y lo visualizamos en un histograma, nótese que hemos fijado que los valores de x van desde 0 hasta 15 con la instrucción 0:15 > plot(0:15,dpois(0:15,lambda=2.2),type='h', ylab="probabilidad", main="distribucion Poisson para lambda=2.2") como se hizo para la binomial ahora construiremos varias histogramas para la distribución poisson con diferentes valores de lambda: 0.1, 1.0, 5 y 10. usamos la siguientes instrucciones en R > par(mfrow=c(2,2)) > plot(0:15,dpois(0:15,0.1),xlab="",ylab="prob",type='h',main="lambda 0.1") > plot(0:15,dpois(0:15,1),xlab="",ylab="prob",type='h',main="lambda 1") > plot(0:15,dpois(0:15,5),xlab="",ylab="prob",type='h',main="lambda 5") > plot(0:15,dpois(0:15,10),xlab="",ylab="prob",type='h',main="lambda 10") > par(mfrow=c(1,1))
6 Ejercicios complementarios (puede realizarlos con R, con las tablas o aplicando la fórmula de la función de probabilidad respectiva) 1. Utilice la tabla de la distribución binomial para determinar las siguientes probabilidades: a) sí n=5 y p=0.2, hallar p(x=0) = b) sí n=10 y p=0.40, hallar p(x=9)= c) sí n=15 y p=0.50, hallar p(x=8)= d) sí n=7 y p= 0.83, hallar p(y=6)= e) sí n=9 y p=0.90, hallar p(y=9)= 2. Un examen está compuesto por 10 preguntas de verdadero y falso. Suponga que un estudiante, que no se preparó para tomar la prueba, recurre a la moneda para seleccionar sus respuestas y decide que sí sale cara esta es falsa y, sí sale sello, contestará verdadero. Cuál es la probabilidad de que el estudiante apruebe el examen sí para hacerlo debe responder al menos 7 correctamente?. 3. La empresa petrolera PDVSA se avocó a hacer perforaciones en el sureste de la región norte del Orinoco. Para ver la factibilidad financiera de que fuera conveniente hacer las perforaciones, PDVSA contrató los servicios de una firma de estudios estadísticos. Se sabe que, cada pozo perforado se clasifica como productivo o no productivo. La experiencia de es que, en este tipo de exploraciones, se sabe por experiencia que, el 15% de los pozos perforados son productivos. Para las exploraciones petroleras se seleccionaron aleatoriamente 12 sitios. Con esta información en mente, hacer los siguientes cálculos. (a) Cuál es la probabilidad de que los 12 pozos que se perforen en cada uno de los 12 sitios, sean productivos? (b) Cuál es la probabilidad de que ningún pozo perforado sea productivo? (c) Cuál es la probabilidad de que exactamente un pozo sea productivo? (d) Para hacer rentable al país, cuando menos tres de los pozos de exploración deben ser productivos. Siendo así, Cuál es la probabilidad de que el negocio sea rentable? (e) Encuentre la media y la varianza del número de exploraciones exitosas. 4. Un sistema de protección contra incendios está constituido con n unidades de radar que funcionan independientemente, cada una con probabilidad de 0.9 de detectar un incendio en la zona que cubren todas las unidades. Responda lo siguiente:
7 a) Sí n = 5 y un incendio se presenta en la zona, cuál es la probabilidad de que exactamente 4 unidades lo detecten?, y b) cuál sería la probabilidad de que al menos una unidad lo detecte? c) Defina la variable aleatoria discreta estudiada en este ejemplo. Parte 2. Distribución de probabilidad POISSON. 5. Utilice la tabla de distribución POISSON para encontrar: a) si µ=2.5, hallar P(Y=2)= b) si µ =8.0, hallar P(Y=8)= c) si µ =0.5, hallar P(Y=1)= d) si µ = 3.7, hallar P(Y=0)= 6. Sea Y una variable aleatoria con una distribución de Poisson con media = 2. Encuentre a) P(Y = 4) c) P(Y > 4) b) P(Y < 4) d) P( 2 < Y 4) 7. En un almacén en particular el número de clientes llegan al mostrador de caja por hora, tiene una distribución de probabilidad de Poisson con un promedio de siete clientes por hora. En una hora dada, Cuál es la probabilidad de que a) No lleguen más de tres clientes?. b) Lleguen al menos dos clientes?. c) Lleguen exactamente cinco clientes?. 8. Cierto tipo de árboles tiene retoños dispersos de manera aleatoria sobre un área extensa, con una densidad promedio de retoños de aproximadamente de 5 por 250 m 2. a) Encuentre la probabilidad de que un botánico, al escoger aleatoriamente parcelas de 250 m 2 en esa área, no encuentre retoño alguno en ninguna de las parcelas. b) Cuál deberá ser la probabilidad de encontrar más de 1 retoño?.
GUÍA TEÓRICA TEMA 3 UNIDAD II: INFERENCIA ESTADÍSTICA PARAMÉTRICA BÁSICA. TEMA 3. LA DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS.
Universidad de Los Andes Facultad de Ciencias Forestales y Ambientales Escuela de Ingeniería Forestal Departamento Manejo de Bosques Cátedra de Biometría Forestal Asignatura: ESTADISTICA Y BIOMETRIA Profesor
Más detallesETSI de Topografía, Geodesia y Cartografía
Distribuciones (discretas y continuas) EVALUACIÓN CONTINUA (Tipo I) 14-XII-11 1. Una prueba del examen de Estadística consiste en un cuestionario de 10 preguntas con tres posibles respuestas, solamente
Más detallesTeorema Central del Límite. Cálculo Numérico y Estadística. Grado en Química. U. de Alcalá. Curso F. San Segundo.
Teorema Central del Límite. Cálculo Numérico y Estadística. Grado en Química. U. de Alcalá. Curso 2014-2015. F. San Segundo. Variables de Bernouilli. Una de las familias de variables aleatorias más básicas
Más detallesAsignatura: Probabilidad y Estadística (LM-PM)
FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA ESCUELA DE CIENCIAS EXACTAS Y NATURALES DEPARTAMENTO DE MATEMÁTICA Asignatura: Probabilidad y Estadística (LM-PM) - 2018 Docentes a cargo: Pablo Torres
Más detallesProbabilidad, Variables Aleatorias y Distribuciones
GRUPO A Prueba de Evaluación Continua 5-XII-.- Tres plantas de una fábrica de automóviles producen diariamente 00, 00 y 000 unidades respectivamente. El porcentaje de unidades del modelo A es 60%, 0% y
Más detallesDistribuciones de Probabilidad Discretas
Distribuciones de Probabilidad Discretas Algunos experimentos a pesar de ser realizados con objetos totalmente diferentes, tienen en esencia las mismas características; por ejemplo, de la misma forma que
Más detallesTema 3: PROBABILIDAD - IV
Tema 3: PROBABILIDAD - IV La variable aleatoria binomial. Variables aleatorias discretas. Biología sanitaria 2017/18. Universidad de Alcalá M. Marvá. Actualizado: 2017-10-16 Biología sanitaria 2017/18.
Más detallesVariables aleatorias 1. Problema 1
Variables aleatorias 1 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Variables aleatorias Problema 1 La dimensión de ciertas piezas sigue una distribución normal
Más detallesPrueba Integral Lapso /5
Prueba Integral Lapso 204-2 737-747 /5 Universidad Nacional Abierta Introducción a la Probabilidad (Cód. 737) Probabilidad (Cód. 747) Vicerrectorado Académico Cód. Carrera: 236-280 - 508 Fecha: 07 03 205
Más detallesCAPÍTULO 5 DISTRIBUCIONES TEÓRICAS
CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS Hugo Grisales Romero Profesor titular CONCEPTOS BÁSICOS Experimento: Variable aleatoria: Clasificación: Proceso por medio del cual una medición se obtiene. Aquella que
Más detallesPROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA
UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función
Más detallesDISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS CONTINUAS 36. Al examinar pozos de agua en un distrito con respecto a dos impurezas encontradas frecuentemente en el agua potable, se encontró que el
Más detallesMatemática 3 Curso 2013
Matemática 3 Curso 2013 Práctica 3: Variables aleatorias discretas. Funciones de distribución Binomial, Geométrica, Hipergeométrica, Poisson. 1) Dadas las siguientes funciones, determinar cuales son funciones
Más detallesNº Hermanos 30 Alumnos X i f i P(X i ) 0 8 0, , , , , ,00
U.D.3: Distribuciones Discretas. La Distribución Binomial 3.1 Variable Aleatoria Discreta. Función o Distribución de Probabilidad. Variable Aleatoria: - En un experimento aleatorio, se llama variable aleatoria
Más detalles2 p = 0,3 k = 2 La probabilidad de que 2 pasen es 32,41%
SEGUNDO BIMESTRE ACTIVIDAD DE APRENDIZAJE III 1. La probabilidad de que un bachiller pase sus exámenes de ingreso es de 0,3. Determinar la probabilidad de que de 6 estudiantes pasen dichos exámenes. n
Más detallesMODELOS DISCRETOS DE PROBABILIDAD
MODELOS DISCRETOS DE PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Modelo Uniforme Discreto Modelo Uniforme Discreto Sea
Más detallesSOLUCIÓN: Al realizar el histograma de frecuencias, se obtiene:
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SOLUCIÓN SEGUNDO EXAMEN FINAL A
Más detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD PROF. MAGDIEL ABLAN BORTONE PROF. PAOLO RAMONI PERAZZI FACULTAD DE INGENIERÍA UNIVERSIDAD DE LOS ANDES Modelos probabilísticos Modelos probabilísticos discretos odistribución
Más detallesEjercicios Distribución Discretas
1 Ejercicios Distribución Discretas Distribución Binomial 1. Sea X Bin(15; 0,3). Calcular las siguientes probabilidades. a) P (X = 8) b) P (X 10) c) P (X > 8) d) P (6 < X < 11) 2. Sea X Bin(8; 0,45). Calcular
Más detallesApellido y Nombres: Fecha: Carrera: Calificación 1ª Parte: Legajo: Calificación 2ª Parte: DNI: Calificación Definitiva:
Cátedra: Probabilidad y Estadística Apellido y Nombres: Fecha: Carrera: Calificación 1ª Parte: Legajo: Calificación 2ª Parte: DNI: Calificación Definitiva: Atención! Para aprobar el examen se debe alcanzar
Más detallesTema 6 Algunas distribuciones importantes Hugo S. Salinas
Algunas distribuciones importantes Hugo S. Salinas 1 Distribución binomial Se han estudiado numerosas distribuciones de probabilidad que modelan características asociadas a fenómenos que se presentan frecuentemente
Más detallesTEMA 6. Distribuciones
TEMA 6. Distribuciones Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 6. Distribuciones 1 / 16 Probabilidad= Distribución= Distribución de Probabilidad Cuando queremos conocer
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detallesDiscretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
Más detallesCuando la distribución viene dada por una tabla: 2. DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA.
1. DISTRIBUCIONES ESTADÍSTICAS. El siguiente grafico corresponde a una distribución de frecuencias de variable cuantitativa y discreta pues solo puede tomar valores aislados (0, 1, 2, 3, 10). Se trata
Más detallesPROBABILIDAD Y ESTADÍSTICA ININ4010 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6
PROBABILIDAD Y ESTADÍSTICA ININ4 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6. Con base en probabilidades de la distribución normal a, 2 y 3 desviaciones, determine para una variable con μ = 5 y
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesDISTRIBUCIONES DE PROBABILIDAD. es una representación gráfica que permite visualizar un experimento de pasos múltiples.
es una representación gráfica que permite visualizar un experimento de pasos múltiples. Considere un experimento que consiste en lanzar dos monedas. Defina los resultados experimentales en términos de
Más detallesVariables Aleatorias
Objetivos de la práctica: Variables Aleatorias Objetivo general: Al finalizar la práctica, el estudiante deberá conocer el concepto de variable aleatoria discreta y continua, el concepto de distribución
Más detalles# Otras maneras para efectuar asignaciones. nombre2 = "Agustín" # OJO! No está soportada en todos los entornos.
####### CLASE 1: PRINCIPIOS BÁSICOS ######### #### PARTE A: TIPOS SIMPLES. # Ejemplos de asignación de variables. num
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesProfesores: M. Guerrero - J. Pérez - C. Olivares - J. Rozas 09 de julio de Examen Probabilidad y Estadísticas
09 de julio de 013 Examen Probabilidad y Estadísticas 1) Una cadena de tiendas de pintura produce y vende pinturas de látex y esmaltes. Con base en las ventas de largo plazo, la probabilidad de que un
Más detallesPROBABILIDADES Y DISTRIBUCIONES
PROBABILIDADES Y DISTRIBUCIONES 1. Supongamos que se lanza una moneda cuyo peso ha sido alterado de manera que P (C) = 2/3 y P (S) = 1/3. Si aparece cara, entonces selecciona un número al azar del 1 al
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detallesProbabilidad y Estadística para Bachillerato, CIMAT, ene-jun 2018 (9 de abril 2018)
Probabilidad y Estadística para Bachillerato, CIMAT, ene-jun 2018 (9 de abril 2018 Del libro de Wackerly, Mendenhall y Scheaffer:: 1. Prob. 3.119.- Se reparten cartas al azar y sin reemplazo de una baraja
Más detallesEstadística. SESIÓN 9: Distribuciones de probabilidad discreta. Segunda parte.
Estadística. SESIÓN 9: Distribuciones de probabilidad discreta. Segunda parte. Contextualización En la presente sesión analizarás y describirás un experimento binomial, definirás y conocerás la función
Más detallesMÓDULO I. TEORÍA DE LA PROBABILIDAD
UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:
Más detallesPráctica 3: Distribuciones Comunes
Prácticas de estadística con R Ingeniería Química Universidad de Cantabria Curso 2011 2012 Práctica 3: Distribuciones Comunes 1. Distribuciones de probabilidad en R En teoría hemos visto fórmulas analíticas
Más detallesDistribuciones de probabilidad con R Commander
Distribuciones de probabilidad con R Commander En el menú Distribuciones podemos seleccionar Distribuciones discretas Distribuciones continuas Las distribuciones discretas que aparecen en R Commander son
Más detalles1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2.
Ejercicios y Problemas. Capítulo III 1. Una variable aleatoria X sigue una distribución binomial con parámetros m = 3 y p =0.2. (a) Calcular P (X = 0), P (X = 1), P (X = 2), P (X = 3), utilizando la función
Más detallesINGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005
INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005 1. En una pequeña empresa con 60 empleados, 25 son personal de fábrica y están cobrando unos sueldos semanales (en euros) en función a su antigüedad de: 300
Más detallesGuía de Modelos Probabilísticos
Guía de Modelos Probabilísticos 1. Distribución Binomial 1. Una máquina produce cierto tipo de piezas de las cuales el 5 % son defectuosas. Se seleccionan en forma independiente 5 piezas al azar. Calcule
Más detallesCAPÍTULO 9 DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Y CONTINUAS 1.- DISTRIBUCIONES DISCRETAS 2.- DISTRIBUCIONES CONTINUAS
CAPÍTULO 9 DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Y CONTINUAS 1.- DISTRIBUCIONES DISCRETAS 2.- DISTRIBUCIONES CONTINUAS 3.- R COMO ALTERNATIVA A LAS TABLAS ESTADÍSTICAS CLÁSICAS CAPÍTULO 9 1 2 1.- DISTRIBUCIONES
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
Más detallesCLAVE - Laboratorio 5: Probabilidad y Distribución Binomial
CLAVE - Laboratorio 5: Probabilidad y Distribución Binomial 1. Para el experimento aleatorio de arrojar 3 monedas diferentes (una de $0.05, una de $0.10 y una de $0.25), realice una lista con los 8 resultados
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Distribución Binomial La distribución binomial es una de las distribuciones utilizadas más ampliamente en estadística aplicada. La distribución se deriva del procedimiento
Más detallesDistribución de Probabilidad
Distribución de Probabilidad Variables continuas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Distribuciones de probabilidad continuas
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesEstadística I Examen extraordinario, 25 de Junio Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER.
Estadística I Examen extraordinario, 25 de Junio 2013. Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER. REGLAS DEL EXAMEN: 1) Usar cuadernillos diferentes para cada problema. 2) Hacer los cálculos
Más detallesEstadística. Grado en Biología. Universidad de Alcalá. Curso Capítulo 5: El Teorema Central del Límite. Parte 1: distribución binomial.
Grado en Biología. Universidad de Alcalá. Curso 2017-18. C Fernando San Segundo. Actualizado: 2017-10-18 C Fernando San Segundo. Actualizado: 2017-10-18 1 Variables aleatorias de Bernouilli. Son probablemente
Más detallesDistribución de probabilidad
Los experimentos aleatorios originan resultados y los resultados nos permiten tomar decisiones Por ejemplo, en un partido de fútbol si se lanza una moneda y sale cara parte la visita, de lo contrario parte
Más detallesIG23 Ampliació d Estadística. ETIG. Curs 2005/06 1
IG23 Ampliació d Estadística. ETIG. Curs 2005/06 1 1.0 Software de las prácticas : Usaremos R, versión de libre disposición del lenguaje SPLUS. Es un intérprete de comandos con una gran cantidad de funciones
Más detallesExamen Final A Total puntos: /100. Buena suerte y éxito! Utilice la siguiente información para responder a las preguntas 1 al 5.
Universidad de Puerto Rico, Recinto de Río Piedras Instituto de Estadística y Sistemas Computarizados de Información Estadísticas para administración de empresas (ESTA 3041) Nombre: Número de estudiante:
Más detalles1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES
1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES TEMAS 14 y 15.- DISTRIBUCIONES DISCRETAS. LA DISTRIBUCIÓN BINOMIAL. DISTRIBUCIONES CONTINUAS. LA DISTRIBUCIÓN NORMAL 1 1.- VARIABLES ALEATORIAS DISCRETAS Concepto
Más detallesProbabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, Examen de la convocatoria extraordinaria,
Probabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, 2014-2015 Examen de la convocatoria extraordinaria, 22-6-2015 Nombre y apellidos.......................................................................
Más detallesM. Wiper Estadística 1 / 17. Variables discretas. Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid
M. Wiper Estadística 1 / 17 Variables discretas Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid M. Wiper Estadística 2 / 17 Objetivo Intropducir las variables discretas más importantes
Más detallesTema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema:
Tema 4: Variables aleatorias Tema 4: Variables Aleatorias Distribución de Bernouilli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno
Más detalles8.1. Sección. Distribución de la media muestral Pearson Prentice Hall. All rights reserved
Sección 8.1 Distribución de la media muestral 2010 Pearson Prentice Hall. All rights reserved Términos importantes variable aleatoria (v.a.) es un número real cuyo valor se determina al azar y mediante
Más detallesNombre: Distribuciones de probabilidad discreta. Segunda parte. A qué nos referimos con probabilidad discreta?
Estadística 1 Sesión No. 9 Nombre: Distribuciones de probabilidad discreta. Segunda parte. Contextualización A qué nos referimos con probabilidad discreta? En la presente sesión analizarás y describirás
Más detallesTema 5 Modelos de distribuciones de Probabilidad
Tema 5 Modelos de distribuciones de Probabilidad Variable aleatoria unidimensional Dado un espacio de Probabilidad (E, F, P), una variable aleatoria es una aplicación del espacio muestral E al conjunto
Más detallesCuáles son las características aleatorias de la nueva variable?
Apuntes de Estadística II. Ingeniería Industrial. UCAB. Marzo 203 CLASES DE ESTADÍSTICA II CLASE 5) UNA TRANSFORMACIÓN DE DOS VARIABLES. Sea Z = g(, ) una función de las variables aleatorias e, tales que
Más detalles10 0,1 12 0,3 14 0, , ,15
1. Una variable aleatoria X puede tomar los valores 30, 40, 50 y 60 con probabilidades 0.4, 0., 0.1 y 0.3. Represente en una tabla la función de probabilidad P(X=x), y la función de distribución de probabilidad,
Más detallesBiometría. Distribuciones de probabilidad para variables aleatorias discretas (Binomial, Hipergeométrica y Poisson)
Biometría Distribuciones de probabilidad para variables aleatorias discretas (Binomial, Hipergeométrica y Poisson) Variable aleatoria El resultado de un experimento aleatorio puede ser descripto en ocasiones
Más detallespodrás demostrar que dominas la Unidad? Reconociendo ecuaciones cuadráticas Identificando los coeficientes de una ecuación cuadrática
SUBSECTOR: Matemática Unidad ECUACION CUADRATICA MAPA DE APRENDIZAJE EXAMEN Año: 2016 NIVEL: NM3 Contenidos Con qué aprendizajes logrados podrás demostrar que dominas la Unidad? Cuántas y qué tipo de preguntas
Más detallesSOLUCIONES AL EXAMEN DE SEPTIEMBRE DE ESTADÍSTICA EXAMEN DE MATEMÁTICAS II
SOLUCIONES AL EXAMEN DE SEPTIEMBRE DE 4. ESTADÍSTICA EXAMEN DE MATEMÁTICAS II Estadística (primer parcial). Septiembre de 4.- El coeficiente de determinación R nos determina a) el % de la varianza de Y
Más detalles> especies<-c(rep("p.caudatum",7),rep("p.montanum",9),rep("p.littorale",10)) > mis.datos<-data.frame(especies=especies) > mis.datos<-edit(mis.
Universidad de Los Andes Facultad de Ciencias Forestales y Ambientales Escuela de Ingeniería Forestal Departamento Manejo de Bosques Cátedra de Biometría Forestal Asignatura: ESTADISTICA Y BIOMETRIA Profesor
Más detallesPRÁCTICAS DE ESTADÍSTICA CON R
PRÁCTICAS DE ESTADÍSTICA CON R PRÁCTICA 3: DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Y CONTINUAS 3.1 Distribuciones discretas Las principales ideas que vamos a ir desarrollando a lo largo de la primera
Más detallesTema 3: Cálculo de Probabilidades Unidad 4: Algunas Distribuciones Notables de Variables Aleatorias
Estadística Tema 3: Cálculo de Probabilidades Unidad 4: Algunas Distribuciones Notables de Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010
Más detallesJueves, 3 de Noviembre de La parte escrita del examen representa el 40 % de la nota y el cuestionario el 60 % restante.
Univ. de Alcalá. Estadística 2016-17 Dpto. de Fíca y Matemáticas Biología Jueves, 3 de Noviembre de 2016 N o : studentnumber currentstudent INSTRUCCIONES (LEER ATENTAMENTE). La parte escrita del examen
Más detallesAnálisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Antofagasta, Junio de 2014 Freddy
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 detallesCap. Distribuciones de. probabilidad. discreta. Distribuciones de probabilidad. discreta Pearson Prentice Hall. All rights reserved
Cap 6 36 Distribuciones de Distribuciones de probabilidad discreta probabilidad discreta Variables aleatorias Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio
Más detallesTEMA 3.- MODELOS DISCRETOS
TEMA 3.- MODELOS DISCRETOS 3.1. Introducción. 3.2. Distribución uniforme discreta de parámetro n. 3.3.Distribución Bernoulli de parámetro p. 3.4.Distribución Binomial de parámetros n y p. Notación: X Bn,
Más detallesb) Si decides elegir el trabajo que con más probabilidad te permita ganar más de 900 euros al mes, qué trabajo debes elegir?
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Hoja 4, curso 2006 2007. Ejercicio 1. Suponer que los cuatro motores de una aeronave comercial se disponen para que
Más detallesProbabilidad, Variables aleatorias y Distribuciones
Prueba de evaluación continua Grupo D 7-XII-.- Se sabe que el 90% de los fumadores llegaron a padecer cáncer de pulmón, mientras que entre los no fumadores la proporción de los que sufrieron de cáncer
Más detallesTema 4: Variables aleatorias I
Tema 4: Variables aleatorias I Estadística- Biología sanitaria Marcos Marvá Ruiz Estadística- Biología sanitaria Tema 4: Variables aleatorias I Marcos Marvá Ruiz 1 / 17 Para empezar Ejemplo (genética)
Más detallesPROBABILLIDAD DE VARIABLE DISCRETA; LA BINOMIAL CÁLCULO DE PROBABILIDADES
PROBABILLIDAD DE VARIABLE DISCRETA; LA BINOMIAL CÁLCULO DE PROBABILIDADES 1- En una bolsa hay 5 bolas numeradas del 1 al 5. Cuál es la probabilidad de que, al sacar tres de ellas, las tres sean impares?
Más detallesPyE_ EF1_TIPO1_
SEMESTRE 01 - TIPO 1 DURACIÓN MÁXIMA.5 HORAS 30 DE MAYO DE 01 NOMBRE Apellido paterno Apellido materno Nombre (s) Firma Problema 1 La siguiente tabla muestra la estimación de hundimientos de suelo en centímetros,
Más detallesB0. Distribuciones de probabilidad
B0. Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Distribución Normal X N( µ, σ ) Dada una variable aleatoria caracterizado por la función
Más detallesEl primer momento centrado en el origen (k=1) es la esperanza matemática de X
MOMENTO K-ÉSIMO PARA UNA VARIABLE ALEATORIA DISCRETA RESPECTO DEL ORIGEN E(x) n i 1 k x i.p x i El primer momento centrado en el origen (k=1) es la esperanza matemática de X También se definen momentos
Más detallesTema 2 Modelos de probabilidad
Tema 2 Modelos de probabilidad José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Estructura de este tema Conceptos básicos de probabilidad. Modelos discretos: la distribución
Más detallesEstadística I Tema 5: Introducción a la inferencia estadística
Estadística I Tema 5: Introducción a la inferencia estadística Tema 5. Introducción a la inferencia estadística Contenidos Objetivos. Estimación puntual. Bondad de ajuste a una distribución. Distribución
Más detallesrxy = Halle la ecuación de la recta de mejor ajuste Indique el tipo de correlación (positiva, negativa, cero, no lineal)
PONTIFICIA UNIVERSIDAD CATOLICA DE PUERTO RICO DEPARTAMENTO DE FISICA-MATEMATICAS Nombre: Sección: Mat.298 REPASO 2 Núm. I. Un psicólogo experimental afirma que, mientras más edad tenga un niño, disminuye
Más detallesApuntes de Clases. Modelos de Probabilidad Discretos
2010 Índice 1. Distribución de Bernouilli 2 2. Distribución Binomial 3 3. Distribución Hipergeométrica 3.1. Aproximación Binomial de la distribución Hipergeométrica............. 7 4. Distribución Geométrica
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 23 de enero de 2018 1hora y 1 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. En la siguiente tabla se muestra la temperatura máxima T, en grados Celsius,
Más detallesTema 13. Distribuciones de Probabilidad Problemas Resueltos
Tema 3. Distribuciones de Probabilidad Problemas Resueltos Distribución de Probabilidad. Una variable aleatoria discreta, X, se distribuye como se indica en la siguiente tabla: ( ) a) Halla el valor de
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesFigura 1. Generación de variables aleatorias.
PRÁCTICA 3. Ingeniería Técnica Industrial (2º) - Mecánica. Profesores: Javier Faulín y Francisco Ballestín 1. Generación de variables aleatorias. El programa nos permite generar variables aleatorias especificando
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más 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 detallesESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Solución. Curso 2016
ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico Solución. Curso 016 Ejercicio 1 Suponemos que hay independencia en la concurrencia o no entre las personas. Dado este supuesto y las características
Más detallesDistribuciones discretas. Distribución binomial
Variables aleatorias discretas y continuas Se llama variable aleatoria a toda función definida en el espacio muestral de un experimento aleatorio que asocia a cada elemento del espacio un número real.
Más detalles