Universidad Simón Bolívar Departamento de Cómputo Científico y Estadística CO3121 Probabilidad para Ingenieros Preparaduría Semana 9.
|
|
- Sandra Juárez Vázquez
- hace 6 años
- Vistas:
Transcripción
1 Universidad Simón Bolívar Departamento de Cómputo Científico y Estadística CO3 Probabilidad para Ingenieros Preparaduría Semana 9..(5.6) Supongamos que y y y tienen la siguiente función de densidad de probabilidad: f y, y = ky y, y, y, otro caso a. Encuentre el valor de k para el cual la expresión es una función de densidad de probabilidad. f y, y dy dy = ky y dy dy = k y dy = k 4 = k = 4 b. Encuentre la función de distribución conjunta para y, y. Para y < o y <, Para y y y Para y > y y Para y > y y Para y > y y > En resumen F y, y = y y F y, y = dy dy = y y F y, y = F y, y = y y F y, y = F y, y = y 4st ds dt = t y dt = y y 4st ds dt = y t dt = y 4st ds dt = y s ds = y 4st ds dt = t dt =, y <, y < y y, y, y y, y >, y y, y >, y, y >, y >
2 c. Encuentre P y, y P y, y = 4y y dy dy = 9 64 P y, y = 9 64 d. Encuentre las funciones de densidad marginal de y y y. f y = f y, y dy = 4y y dy = y f y = y f y = f y, y dy = 4y y dy = y f y = y e. Encuentre P y y P y y = P y y P y P y y = 4y y dy dy = 7 64 P y y = P y = 4y y dy dy = 7 6 f. Encuentre la función de densidad condicional de y = 6 64 = 4 P y y = 4 f y y = f y, y f y = 4y y y = y f y y = y g. Encuentre la función de densidad condicional de y. f y y = f y, y f y = 4y y y = y f y y = y h. Encuentre P y y = P y y = = f y y = dy = y dy = 9 6 P y y = = 9 6
3 i. Son independientes y y y? Se tiene que las distribuciones marginales son f y = y, f y = y f y f y = y y = 4y y = f y, y El producto de las marginales es la distribución conjunta, por lo tanto, son independientes. j. Encuentre E y. E y = y 4y y dy dy = y dy = 3 E y = 3 k. Encuentre Var y. Var y = E y E y 3 E y = y 4y y dy dy = y dy = Var y = 3 = 8 Var y = 8 l. Encuentre E y y. E y y = E y E y E y = y 4y y dy dy = m. Demuestre que Cov y, y =. 4 3 y dy = 3 E y = 3 E y y = 3 3 = E y y = Cov y, y = E y, y E y E y E y, y = y y 4y y dy dy = 4 3 y dy = 4 9 Cov y, y = = Cov y, y =.(5.4) En seguida se muestra la función de probabilidad conjunta relacionada con los datos obtenidos en un estudio sobre los accidentes de automóvil en las que viajaba un niño (de menos de 5 años de edad), de los cuales por lo menos uno resulto fatal. El estudio se concentró en determinar si el niño sobrevivió y el tipo de cinturón de seguridad que llevaba puesto, si acaso lo utilizaba. Se define y =, si el niño sobrevive, si el niño no sobrevive, y =, si no tenia puesto el cinturón de seguridad, si utilizaba cinturón de seguridad de adulto, si utilizaba cinturón de seguridad de bebé
4 Observe que y representa la cantidad de muertes de niños y, como los asientos para bebé por lo común tienen dos cinturones, y representa el número de cinturones de seguridad utilizados en el momento del accidente. y y,38,7,55,4,,6,4,5,9,76,4 a. Cerciórese de que la función de probabilidad satisfaga el Teorema 5.. Se cumple que p y, y para todo y, y entro del cuadro, además de que también se cumple que p y, y =,38 +,4 +,4 +,7 +, +,5 = y,y Por lo que se cumple el teorema 5. en esta función de distribución. b. Calcule F,. Cuál es la interpretación de este valor? F, = p, + p, =,38 +,4 =,5 F, =,5 La interpretación de este valor es la probabilidad de que el niño sobreviva sin utilizar el cinturón de seguridad para bebé. c. Proporcione las funciones de probabilidad marginal de y y y. p y = p y, y y y = p y = = p, + p, +, =,76 y = p y = = p, + p, + p, =,4 En resumen y p y,76,4 d. Encuentre las probabilidades condicionales y p y,55,6,9 En resumen P y y = = P y y = P y = y y,5,7,8,8,3, =,38,76,,4,76,,4,76
5 y y,69,875,83,3,5,7 e. Cuál es la probabilidad de que un niño sobreviva si viajaba en un asiento para bebé? P y = y = = P y = y = P y = =,4,9 =,83 P y = y = =,83 La probabilidad de que un niño sobreviva si viaja en un asiento para bebé es de,83. f. Son independientes y y y? La independencia de variables aleatorias discretas exige que P y, y = P y P y para toda elección de y, y. Por lo tanto, si esta igualdad se viola en cualquier par de valores y, y, las variables aleatorias son dependientes. Se tiene que P, =,38, por otro lado P =,76 y P =,55, entonces P P =,76,55 =,48,38 = P, Por lo tanto y y y son dependientes. 3.(5.6) Un sistema electrónico tiene cada uno de los dos tipos diferentes de componentes en operación conjunta. Si y y y representan las duraciones aleatorias de los componentes y, respectivamente, la función de densidad conjunta está determinada por la expresión f y, y = 8 y exp y + y, y >, y >, otro caso Las mediciones se expresan en cientos de horas. a. Calcule P y >, y >. P y >, y > = = 8 y exp y + y 4 y e y y + e dy dy dy dy Ya que e y +y = e y e y. Sea y = y, dy = dy, y = y =, y = y =, entonces 4 y e y e y e Ya que y ~Exponencial β =, entonces dy dy = 4 y e y e dy
6 y exp y + dy = y exp y + dy = e y e y dy Se colocó y porque el límite inferior es, y se hace el siguiente cambio: y = y, dy = dy, y = y =, y = y =, entonces e y y + e dy = e y ye dy + y e dy = e + = 3 e Ya que y~exponencial β = y E y = β =, por lo tanto, P y >, y > = 3 e b. Calcule la probabilidad de que la vida útil de un componente tipo supere las horas. Probabilidades marginales. f y = f y = y 8 exp y + y y 8 exp y + y dy = 4 y e y dy = 4 e y y e dy y dy y e = 4 y e y f y = 4 y e y = 4 e y f y = e y Ya que E y =. Ahora f y = y e dy Se hacen los siguientes cambios: y = y, dy = dy, y = y =, y = y =, entonces e y dy = e y dy = e,3679 f y,3679 La probabilidad de que la vida útil de un componente tipo supere las horas es de,3679. c. Son independientes y y y? Se tiene que las distribuciones marginales son: f y = 4 y e y, f y = e y
7 Entonces f y f y = 4 y e y e y = 8 y e y +y = f y, y El producto de las marginales es la distribución conjunta, por lo tanto y y y son independientes. d. Una forma de medir la eficiencia relativa de los dos componentes consiste en calcular la razón y y. Determine E y y. Como ya se demostró, y y y son independientes, entonces se puede escribir E y E y. y = E y E y = y f y dy = y e y dy = Ya que es la esperanza de una distribución exponencial con β =, entonces E y =. E y = f y y = y 4 y e y dy = y e dy = Ya que en,y ~Exponencial β = lo cual integra a uno, por lo tanto E y =. Por lo tanto E y y = = E y y =
Estadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas
Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones
Momentos de Funciones de Vectores Aleatorios
Capítulo 1 Momentos de Funciones de Vectores Aleatorios 1.1 Esperanza de Funciones de Vectores Aleatorios Definición 1.1 Sea X = (X 1,..., X n ) un vector aleatorio (absolutamente continuo o discreto)
Distribuciones 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
Definición 1 (Probabilidad Condicional) Observación 1 Se puede aplicar la definición también a variables discretas o continuas.
CAPÍTULO 1: ALGUNAS REGLAS DE PROBABILIDAD Para leer Lee: Capítulo 1 Definición 1 (Probabilidad Condicional) Para dos sucesos A y B, P (A B) P (A B) P (B) Observación 1 Se puede aplicar la definición también
Distribución conjunta de variables aleatorias
Distribución conjunta de variables aleatorias En muchos problemas prácticos, en el mismo experimento aleatorio, interesa estudiar no sólo una variable aleatoria sino dos o más. Por ejemplo: Ejemplo 1:
Tema 5. Variables Aleatorias Conjuntas.
Tema 5. Variables Aleatorias Conjuntas. Objetivo: El alumno conocerá el concepto de variables aleatorias conjuntas podrá analizar el comportamiento probabilista, conjunta e individualmente, de las variables
CÁLCULO DE PROBABILIDADES
CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.
Examen de Estadística
Examen de Estadística Grado en Ingeniería de Telecomunicación 4 de Junio de 03 Cuestiones solucion h 30m C. (p) Un sistema de comunicación está compuesto por los componentes A, B, C, D y E, donde cada
Cálculo de probabilidad. Tema 3: Variables aleatorias continuas
Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice
Estadística Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 2011 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1 1. Las Definiciones de Probabilidad 2. Variables Aleatorias 3. Función de Densidad
Tema 4: Variables aleatorias multidimensionales
1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica
PyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN
Variable 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
Variables 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,
Asignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS PROBABILIDAD Área a la que pertenece: Área Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0056 Asignaturas antecedentes y subsecuentes PRESENTACIÓN
UNIVERSIDAD DEL NORTE
UNIVERSIDAD DEL NORTE 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO MATEMÁTICAS Y ESATADÍSTICA. PROGRAMA ACADÉMICO ESTADÍSTICA I-AD- CÓDIGO DE LA ASIGNATURA PRE-REQUISITO
Ejemplos de Mezcla de VAs. Función de Regresión. Esperanza Condicional. Recta de Regresión. Autor Dr. Hernán Rey Ultima actualización: Septiembre 2010
TEORICA 7 Ejemplos de Mezcla de VAs Función de Regresión Esperanza Condicional Recta de Regresión Autor Dr. Hernán Rey Ultima actualización: Septiembre 010 EJEMPLO La producción de una fábrica proviene
Hoja 4 Variables aleatorias multidimensionales
Hoja 4 Variables aleatorias multidimensionales 1.- Estudiar si F (x, y) = 1, si x + 2y 1, 0, si x + 2y < 1, es una función de distribución en IR 2. 2.- Dada la variable aleatoria 2-dimensional (X, Y )
Cálculo de Probabilidades y Estadística. Segunda prueba. 1
08231. Cálculo de Probabilidades y Estadística. Segunda prueba. 1 Problema 1. Se eligen tres puntos A, B y C, al azar e independientemente, sobre una circunferencia. Determinar la distribución del valor
Ingeniería Programa(s) Educativo(s): Tipo de materia:
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA UNIDAD ACADEMICA PROGRAMA DEL CURSO: PROBABILIDAD DES: Ingeniería Programa(s) Educativo(s): Tipo de materia: Obligatoria Clave de la materia: Semestre: 3 Área en plan
TEMA 8 REGRESIÓN Y CORRELACIÓN
/7 TEMA 8 REGRESIÓN Y CORRELACIÓN Dada una variable aleatoria bidimensional (, ) supongamos que las variables no sean independientes, es decir, que eista cierta relación entre ellas. Nos planteamos entonces
Distribución conjunta de variables aleatorias. Estadísca Tamara Burdisso
Distribución conjunta de variables aleatorias Distribución conjunta de probabilidad Hasta ahora estudiamos las posibles distribuciones de una única v.a. Pero muchos de las aplicaciones que enfrentamos
Variables aleatorias
Ejemplo: Suponga que un restaurant ofrecerá una comida gratis al primer cliente que llegue que cumpla años ese día. Cuánto tiene que esperar el restaurant para que la primera persona cumpliendo años aparezca?
Análisis de datos Categóricos
Introducción Universidad Nacional Agraria La Molina 2017-1 Variable cualitativa Variable respuesta cualitativa Variable respuesta y explicativa Variable de conteo y proporción Escalas de medición Una variable
matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Repaso de Probabilidad y Estadística
Repaso de Probabilidad y Estadística Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Probabilidad 2 Definición.............................................................
Curso Inferencia. Miguel Ángel Chong R. 24 de septiembre del 2013
Curso Estadística Miguel Ángel Chong R. miguel@sigma.iimas.unam.mx 24 de septiembre del 2013 Suficiencia Cuando hacemos inferencia sobre un parámetro, usando una muestra aleatoria (X 1,...,X n )yunestadísticoˆ
Tema 4: VARIABLES ALEATORIAS BIDIMENSIONALES
Tema 4: VAIABLES ALEATOIAS BIDIMENSIONALES 1 Concepto de variable aleatoria bidimensional Sea Ω el espacio muestral de un experimento aleatorio. Definimos variable aleatoria bidimensional, como una aplicación
AXIOMAS DE PROBABILIDAD: REGLA DE LA ADICIÓN
AXIOMAS DE PROBABILIDAD: REGLA DE LA ADICIÓN Conocida ahora la probabilidad de un evento, se pueden reunir ciertas características conocidas como axiomas de probabilidad que satisfacen la probabilidad
Generación de variables aleatorias continuas Método de rechazo
Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa
Notas de clase. Prof. Nora Arnesi
Notas de clase Este material está sujeto a correcciones, comentarios y demostraciones adicionales durante el dictado de las clases, no se recomienda su uso a aquellos alumnos que no concurran a las mismas
CARGA HORARIA Horas totales: 80 Horas totales de resolución de problemas de aplicación: 32
PROBABILIDAD Y ESTADISTICA OBJETIVOS: 1. Extraer y sintetizar información de un conjunto de datos. 2. Aprehender los conceptos de aleatoriedad y probabilidad. 3. Estudiar los modelos más importantes de
Unidad Académica de Ingeniería Eléctrica. Programa del curso: Probabilidad y estadística Clave:
Universidad Autónoma de Zacatecas Unidad Académica de Ingeniería Eléctrica Programa del curso: Probabilidad y estadística Clave: Carácter Semestre recomendado Obligatoria 3º Carreras: IE, ICE, IC Sesiones
Cálculo de Probabilidades II Preguntas Tema 1
Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga
Funciones Trascendentales
Funciones Trascendentales Funciones Trascendentales Verónica Briceño V. noviembre 203 Verónica Briceño V. () Funciones Trascendentales noviembre 203 / 3 En esta Presentación... En esta Presentación veremos:
Vectores Aleatorios. Vectores Aleatorios. Vectores Discretos. Vectores Aleatorios Continuos
Definición Dado un espacio muestral S, diremos que X =(X 1, X 2,, X k ) es un vector aleatorio de dimension k si cada una de sus componentes es una variable aleatoria X i : S R, para i = 1, k. Notemos
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
NOMBRE Apellido Paterno Apellido Materno Nombre (s)
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIONES
TEMA 2: Estimadores y distribuciones en el muestreo. Alfredo García Hiernaux. Grupos 69 y 73 Estadística I. Curso 2006/07
TEMA 2: Estimadores y distribuciones en el muestreo 1) Introducción 2) Tipos de muestreos 3) Estadísticos INDICE 4) Estimadores y propiedades 5) Distribución muestral 6) Teorema Central del Límite 7) Distribuciones
Estadística. Tema 3. Esperanzas Esperanza. Propiedades Varianza y covarianza. Correlación
Estadística Tema 3 Esperanzas 31 Esperanza Propiedades 32 Varianza y covarianza Correlación 33 Esperanza y varianza condicional Predicción Objetivos 1 Medidas características distribución de VA 2 Media
1 Tema 4: Variable Aleatoria Bidimensional y n-dimensional
1 Tema 4: Variable Aleatoria Bidimensional y n-dimensional 4.1. Variable aleatoria bidimensional Las Variables Aleatorias Bidimensionales o N-Dimensionales surgen cuando es necesario trabajar en espacios
Vectores Aleatorios. Definición 1.1. Diremos que el par (X,Y) es un vector aleatorio si X e Y representan variables aleatorias
Universidad de Chile Facultad De Ciencias Físicas y Matemáticas MA3403 - Probabilidades y Estadística Prof. Auxiliar: Alberto Vera Azócar. albvera@ing.uchile.cl Vectores Aleatorios 1. Vectores Aleatorios
Representaciones gráficas de las distribuciones bidimensionales de frecuencias... 74
Índice 1. Introducción al R 15 1.1. Introducción............................. 15 1.2. El editor de objetos R....................... 18 1.3. Datos en R............................. 19 1.3.1. Vectores...........................
Tema 4: Variables aleatorias multidimensionales
Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia
Y \ X
18 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 4 1. En la siguiente tabla se presenta la función de probabilidad conjunta del vector aleatorio discreto (X, Y ): Y \ X 1 2 3 4 1 0.10 0.05 0.02 0.02 2 0.05
Curso Inferencia. Miguel Ángel Chong R. 1 de octubre del 2012
Curso Estadística Miguel Ángel Chong R. miguel@sigma.iimas.unam.mx 1 de octubre del 2012 Definición Estadístico suficiente Un estadístico es suficiente respecto al parámetro si la distribución de probabilidad
INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA APLICADA
INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA APLICADA UNIDADES DE APRENDIZAJE 1. Competencias Dirigir proyectos de tecnologías de información
CLASES DE ESTADÍSTICA II ESPERANZA ABSOLUTA
1 CLASES DE ESTADÍSTICA II CLASE ) ESPERANZA ABSOLUTA. ESPERANZA CONDICIONAL. ESPERANZA ABSOLUTA El cálculo de valores esperados o esperanzas a nivel de dos variables aleatorias es una generalización matemática
Examen de Estadística Grado en Ingeniería de Telecomunicación
Cuestiones Examen de Estadística Grado en Ingeniería de Telecomunicación 3 de Junio de 5 solución h 45m C (.5 puntos). Una multinacional realiza operaciones comerciales en 3 mercados (A, B y C). El % de
UNIDAD 4: PROBABILIDAD
UNIDAD 4: PROBABILIDAD La probabilidad se corresponde con la Frecuencia relativa. Es decir cuantas veces aparece un dato respecto del total de datos. Establece la probabilidad de que una variable tome
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO CICLO BÁSICO DE INGENIERÍA ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO CICLO BÁSICO DE INGENIERÍA SEMESTRE ASIGNATURA 3er. PROBABILIDAD Y ESTADÍSTICA CÓDIGO HORAS
INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN
INGENIERÍA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística Aplicada 2. Competencias Dirigir proyectos de tecnologías de información (T.I.) para contribuir a
Fecha de elaboración: Agosto de 2004 Fecha de última actualización: Julio de 2010
PROGRAMA DE ESTUDIO Programa Educativo: Área de Formación : Licenciatura en Ciencias Computacionales Integral Profesional Programa elaborado por: Probabilidad Horas teóricas: 2 Horas prácticas: 2 Total
UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER
UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER CARTA DESCRIPTIVA Carrera: INGENIERÍA EN SISTEMAS COMPUTACIONALES. Materia:. Titular: Correo electrónico: NUMERO DE UNIDAD:
Variables Aleatorias y Distribución de Probabilidades
Variables Aleatorias y Distribución de Probabilidades Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de mayo de 2011 Tabla de Contenidos Variables
Tema 6 - Introducción. Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo.
Tema 6 - Introducción 1 Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo. Generalización Tema 6. Variables aleatorias unidimensionales
8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 4. a) Hallar las funciones de probabilidad marginal de X ydey : p X (x) y p Y (y) respectivamente.
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 4 1. En la siguiente tabla se presenta la función de probabilidad conjunta del vector aleatorio discreto (X, Y ): Y \ X 1 2 3 4 1 0.10 0.05 0.02 0.02 2 0.05 0.20
Introducción 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
Generación de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 17 de abril, 2012 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Transformaciones y esperanza
Capítulo 3 Transformaciones y esperanza 3.1. Introducción Por lo general estamos en condiciones de modelar un fenómeno en términos de una variable aleatoria X cuya función de distribución acumulada es
UNIVERSIDAD DEL NORTE
UNIVERSIDAD DEL NORTE 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO MATEMÁTICAS Y ESATADÍSTICA. PROGRAMA ACADÉMICO ESTADÍSTICA I-AD CÓDIGO DE LA ASIGNATURA EST 1022 PRE-REQUISITO
Tema 6: Distribuciones Multivariantes
Tema : Distribuciones Multivariantes. Distribución conjunta de un vector aleatorio. Distribución conjunta de un vector aleatorio. Distribuciones marginales condicionadas.3 Independencia entre variables
M.C. Francisco Alberto Hernandez de la Rosa Fecha de elaboración: Agosto de 2004 Fecha de última actualización: Julio de 2010
PROGRAMA DE ESTUDIO Probabilidad Programa Educativo: Licenciatura en Actuaría Área de Formación : Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Total de créditos: 8 Clave:
Estimaciones mundiales de la OIT sobre los trabajadores y las trabajadoras migrantes. Resultados y metodología RESUMEN
RESUMEN Estimaciones mundiales de la OIT sobre los trabajadores y las trabajadoras migrantes Resultados y metodología Un enfoque especial sobre las trabajadoras y los trabajadores domésticos migrantes
Estimaciones mundiales de la OIT sobre los trabajadores y las trabajadoras migrantes. Resultados y metodología RESUMEN
RESUMEN Estimaciones mundiales de la OIT sobre los trabajadores y las trabajadoras migrantes Resultados y metodología Un enfoque especial sobre las trabajadoras y los trabajadores domésticos migrantes
Probabilidad Condicional. Teorema de Bayes para probabilidades condicionales:
Probabilidad Condicional Teorema de Bayes para probabilidades condicionales: Definición: Sea S el espacio muestral de un experimento. Una función real definida sobre el espacio S es una variable aleatoria.
PROGRAMA DE ESTUDIO. - Nombre de la asignatura : ESTADISTICA I. - Pre requisitos : Matemática III
PROGRAMA DE ESTUDIO A. Antecedentes Generales - Nombre de la asignatura : ESTADISTICA I - Código : EME 221 - Carácter de la asignatura (obligatoria / electiva) : Obligatoria - Pre requisitos : Matemática
Modelos Estocásticos I Primer Examen Parcial Respuestas
Modelos Estocásticos I Primer Examen Parcial Respuestas 1. Cierta especie de plantas produce un número N de semillas, donde N sigue una distribución de Poisson de parámetro λ. La probabilidad de que una
Tema 3 Normalidad multivariante
Aurea Grané Máster en Estadística Universidade Pedagógica Aurea Grané Máster en Estadística Universidade Pedagógica Tema 3 Normalidad multivariante 3 Normalidad multivariante Distribuciones de probabilidad
Curso Inferencia. Miguel Ángel Chong R. 3 de septiembre del 2013
Curso Estadística Miguel Ángel Chong R. miguel@sigma.iimas.unam.mx 3 de septiembre del 013 Definamos más formalmente que entenderémos por una muestra. Definción Sea X la v.a. correspondiente a una población
Principios de reducción de la data
Capítulo 6 Principios de reducción de la data 6.1. Introducción Un experimentador usa la información en una muestra X 1,, X n para realizar el proceso de inferencia sobre algun parámetro desconocido θ.
Variables aleatorias bidimensionales discretas
Universidad de San Carlos de Guatemala Facultad de Ingeniería Área de Estadística VARIABLES ALEATORIAS BIDIMENSIONALES Concepto: Sean X e Y variables aleatorias. Una variable aleatoria bidimensional (X,
5. TEOREMA FUNDAMENTAL: Repaso Variables Aleatorias. Jorge Eduardo Ortiz Triviño
5. TEOREMA FUNDAMENTAL: Repaso Variables Aleatorias Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ CONTENIDO 1. INTRODUCCIÓN 2. VARIABLES ALEATORIAS 3. TEOREMA
Prof. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Nombre de la materia. Departamento. Academia
Probabilidad Ciencias Aplicadas de la Información Ciencias Básicas Nombre de la materia Departamento Academia Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4862 60 20-80 9 Nivel Carrera
APUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS
CAPITULO V APUNTES DE PROBABILIDAD Y ESTADISTICA VARIABLES ALEATORIAS CONJUNTAS. CONSIDERANDO EL CASO DE DOS DIMENSIONES. DADO UN ESPERIMENTO, EL PAR ( x, y ) SE CONOCE COMO UNA VARIABLE ALEATORIA BIDIMENSIONAL
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H. Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: PROBABILIDAD Y ESTADISTICAS
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU007H Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: PROBABILIDAD Y ESTADISTICAS DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia:
Estadística /Química 2004
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLAN LICENCIATURA EN: QUÍMICA. NOMBRE DE LA ASIGNATURA: ESTADÍSTICA. ÓRGANO INTERNO QUE COORDINA EL PROGRAMA DE LA ASIGNATURA:
TEMA 3.- VECTORES ALEATORIOS.- CURSO
TEMA 3.- VECTORES ALEATORIOS.- CURSO 017-018 3.1. VARIABLES ALEATORIAS BIDIMENSIONALES. FUNCIÓN DE DISTRIBUCIÓN CONJUNTA. 3.. VARIABLES BIDIMENSIONALES DISCRETAS. 3.3. VARIABLES BIDIMENSIONALES CONTINUAS.
Universidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:
Integral Lapso 2010-2 745 1/5 Universidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: 610-612-613 Fecha: 26-02-2011 OBJ. 2 PTA 1 MODELO DE RESPUESTAS Objetivos 2,
Hoja de Problemas Tema 3 (Variables aleatorias multidimensionales)
Depto. de Matemáticas Estadística (Ing. de Telecom.) Curso 2004-2005 Hoja de Problemas Tema 3 (Variables aleatorias multidimensionales) 1. Consideremos dos variables aleatorias independientes X 1 y X 2,
PROBLEMAS DE ESTADISTICA
ESTADÍSTICA, CURSO 2008 2009 1 PROBLEMAS DE ESTADISTICA 2. DISTRIBUCIONES DE PROBABILIDAD 2 1. Una urna contiene 6 bolas blancas, 4 rojas y 2 azules. Si se extraen 3 bolas sucesivamente sin reemplazamiento,
Generación 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:
Cálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
Funciones de Variables Aleatorias. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Funciones de Variables Aleatorias UCR ECCI CI-135 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción En los métodos estadísticos estándar, el resultado de la prueba
4. Modelos Multivariantes
4. Curso 2011-2012 Estadística Distribución conjunta de variables aleatorias Definiciones (v. a. discretas) Distribución de probabilidad conjunta de dos variables aleatorias X, Y Función de distribución
U IVERSIDAD ACIO AL EXPERIME TAL POLITÉC ICA DE LA FUERZA ARMADA CICLO BÁSICO DE I GE ERÍA ASIG ATURA
U IVERSIDAD ACIO AL EXPERIME TAL POLITÉC ICA DE LA FUERZA ARMADA CICLO BÁSICO DE I GE ERÍA SEMESTRE ASIG ATURA 3ero. PROBABILIDAD Y ESTADÍSTICA CÓDIGO HORAS MAT- 21413 TEORÍA PRÁCTICA LABORATORIO U IDADES
Tema 1: Introducción a la Estadística Bayesiana
Tema 1: Introducción a la Estadística Bayesiana Introducción En general, se usan probabilidades de modo informal para expresar la información o la incertidumbre que se tiene acerca de observaciones de
Tema 3:Introducción a las variables aleatorias PROBLEMAS PROPUESTOS. 2. La función de densidad de la variable aleatoria X viene dada por la expresión
Tema :Introducción a las variables aleatorias PROBLEMAS PROPUESTOS. Puede ser la función de densidad de una variable aleatoria continua mayor que uno en algún punto? Sí. La función de densidad de la variable
PROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA Pablo Torres Facultad de Ciencias Exactas, Ingeniera y Agrimensura - Universidad Nacional de Rosario Unidad 2: Probabilidad INTRODUCCIÓN Al lanzar un dado muchas veces veremos
Programas Educativos de Programa académico. Ingeniería
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H FACULTAD DE INGENIERÍA Clave: 08USU4053W PROGRAMA ANALÍTICO DE LA UNIDAD DE APRENDIZAJE: PROBABILIDAD Y ESTADISTICA 1 DES: Ingeniería Programas Educativos
Sesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad las reglas mátemáticas de la probabilidad no son simplemente reglas para calcular frecuencias de variables aleatorias;
Elementos de probabilidad e inferencia estadística en el seguro
Elementos de probabilidad e inferencia estadística en el seguro Instructor: Act. Erick Mier Moreno. Director general y profesor de AMAT- Applied Mathematics and Actuary Training. Profesor de asignatura
Proporcionar al alumno las herramientas necesarias que le faciliten la aplicación de probabilidad y estadística en la solución de problemas reales.
LICENCIATURA EN PSICOLOGIA Y NEUROCIENCIAS MATERIA ESTADISTICA I LINEA CURRICULAR FORMACION TETRAMESTRE SEGUNDO CLAVE FOR-105 SERIACION FOR-102 HFD 3 HEI 2 THS: 5 CRS 4 OBJETIVO DE LA MATERIA Proporcionar