Bases Formales de la Computación: Sesión 1. Probabilidad Discreta
|
|
- Óscar Montero Gutiérrez
- hace 5 años
- Vistas:
Transcripción
1 Bases Formales de la Computación: Sesión 1. Probabilidad Discreta Prof. Gloria Inés Alvarez V. Departamento de Ciencias e Ingeniería de la Computación Pontificia Universidad Javeriana Cali 11 de abril de 2008
2 Contenido 1 Presentación del Curso 2 Teoría de Probabilidad Probabilidad Condicional Variables Aleatorias Estadística Bayesiana
3 Presentación del Curso Bases Formales de la Computación Fecha Tema Profesor abril 11 Probabilidad discreta G. Alvarez abril 18 Redes de Petri E. Motato abril 25 Autómatas etiquetados F. Valencia abril 26 Álgebras de procesos F. Valencia mayo 2 Redes de Bayes C. Rueda mayo 9 Modelos Ocultos de Markov G. Alvarez mayo 16 Modelos Ocultos de Markov G. Alvarez mayo 23 Gramáticas Estocásticas G. Alvarez mayo 30 Evaluación G. Alvarez junio 6 Trabajo dirigido F. Valencia junio 13 Trabajo dirigido F. Valencia junio 20 Estructuras algebraicas y cálculo de predicados C. Rueda junio 27 Lógicas modales C. Rueda julio 4 Verificación: transformadores de predicados C. Rueda julio 11 Evaluación C. Rueda
4 Teoría de Probabilidad Teoría elemental de probabilidad Tiene por objetivo establecer qué tan posible es que algo ocurra. Por ejemplo: si lanzamos tres monedas, qué tan posible es que salga las tres veces cara. Un experimento ó ensayo es el proceso por el cual se realiza una observación
5 Teoría de Probabilidad Teoría elemental de probabilidad Un espacio muestral Ω es un conjunto de observaciones. Puede ser discreto si el número de muestras es contable o continuo si no lo es. Un evento es un subconjunto del espacio muestral Ω.
6 Teoría de Probabilidad Teoría elemental de probabilidad El espacio de eventos F es el conjunto potencia del espacio muestral 2 F Las probabilidades son números reales entre 0 y 1 donde cero significa imposibilidad y 1 certeza. Una función ó distribución de probabilidad distribuye una masa de probabilidad a través del espacio muestral Ω
7 Teoría de Probabilidad Distribución de Probabilidad Una función o distribución de probabilidad es una función P : F [0,1] tal que: P(Ω) = 1 Si A j,a k F,j k,a j A k = entonces P( j=1 A j) = j=1 P(A j) Llamamos P(A) a la probabilidad del evento A. Una distribución que asigna igual probabilidad a todas las salidas, se llama distribución uniforme. Y se calcula A Ω
8 Teoría de Probabilidad Ejemplo Se lanza una moneda tres veces, cuál es la probabilidad de obtener dos caras? Ω = {HHH,HHT,HTH,HTT,THH,THT, TTH, TTT } Cada salida es igualmente probable (cara o sello) El evento de interés es {HHT,HTH,THH} es decir, 3 opciones de 8, en otras palabras: 3 8
9 Probabilidad Condicional Probabilidad Condicional La probabilidad condicional es la probabilidad actualizada de un evento, dado que se tiene algún conocimiento previo. La probabilidad antes de ese conocimiento previo se llama probabilidad a priori. Por ejemplo, si de los tres lanzamientos de moneda, ya se ha realizado uno que salió cara, en los dos restantes hay dos posibilidades de obtener otra cara, por lo tanto ahora la probabilidad de obtener tres caras es de 1 2
10 Probabilidad Condicional formal de probabilidad condicional La probabilidad de un evento A, dado que ha ocurrido un evento B (P(B) > 0) es: P(A B) = P(A B) P(B) Notar que P(A B) = P(B)(P(A B)) = P(A)P(B A) Dos eventos A, B son independientes si P(A B) = P(A)P(B)
11 Probabilidad Condicional Teorema de Bayes Permite invertir la condicionalidad de dos eventos, es decir, permite calcular P(B A) en términos de P(A B) esto es de utilidad cuando no se puede calcular P(B A), pero si se puede calcular P(A B) P(B A) = P(B A) P(A) = P(A B)P(B) P(A) El denominador es una constante de normalización, sirve para garantizar que el resultado sea una función de probabilidad.
12 Probabilidad Condicional Teorema de Bayes El denominador se puede obviar si sólo se quiere saber cuál evento de un conjunto es el más probable dado A: ( ) P(A B)P(B) argmax B = argmax B P(A B)P(B) P(A) Sin embargo, también se puede estimar el denominador para completar la expresión.
13 Probabilidad Condicional Teorema de Bayes Sabemos que: P(A B) = P(A B)P(B) P(A B) = P(A B)P( B) Entonces tenemos: P(A) = P(A B) + p(a B) = P(A B)P(B) + P(A B)P( B)
14 Probabilidad Condicional Teorema de Bayes Generalizando: P(A) = i P(A B i )P(B i ) Siempre y cuando existan conjuntos B i que causen una partición en A, es decir, A i B i y los B i sean disyuntos.
15 Probabilidad Condicional Ejemplo Sea G una enfermedad que aparece 1 vez en nacimientos. Y sea T una prueba que diagnostica dicha enfermedad. Si una persona tiene la enfermedad, la prueba lo descubrirá con una probabilidad de 0,95, pero si no la tiene, la prueba dirá que está enfermo con una probabilidad de 0,005. Suponiendo que la prueba dice que la persona tiene la enfermedad, cuál es la probabilidad de que realmente esté enferma? P(T G)P(G) P(G T) = P(T G)P(G) + P(T Ḡ)P(Ḡ) 0,95 0,00001 = 0,95 0, ,005 0, ,002
16 Variables Aleatorias Variables Aleatorias Una variable aleatoria es una función X : Ω R n (comúnmente n = 1). Sirven para representar un proceso estocástico que genera números con cierta distribución de probabilidad. Una variable aleatoria discreta es una función X : Ω S donde S es un subconjunto contable de R. Si X : Ω {0,1} se le llama variable indicador aleatorio ó ensayo de Bernoulli
17 Variables Aleatorias Ejemplo Evento: lanzar dos dados. Variable aleatoria X: la suma del valor de las caras obtenida S = {2,...,12} Como la variable tiene rango numérico, a veces es más cómodo hacer cálculos a partir de la variable que a partir del evento. La función de masa de probabilidad (pmf) para una variable aleatoria X, da la probabilidad de que la variable aleatoria tenga diferentes valores numéricos
18 Variables Aleatorias Función de masa de probabilidad La función de masa de probabilidad (pmf) se calcula como: p(x) = p(x = x) = P(A x ) Donde A x = {w Ω X(w) = x} Si una variable aleatoria X está distribuida de acuerdo a la pmf p(x), se denota X p(x). Notar que p(x) > 0 sólo en un número contable de puntos.
19 Variables Aleatorias Función de masa para variables aleatorias discretas La función de masa de probabilidad (pmf) para una variable aleatoria discreta, se calcula como: p(x i ) = P(A i ) = P(Ω) = 1 i i Conversamente, cualquier función que cumpla estas condiciones, se puede ver como una función de masa de probabilidad
20 Variables Aleatorias Valor esperado El valor esperado es la media o promedio de una variable aleatoria. Si X es una variable aleatoria con pmf p(x) tal que x x p(x) <, entonces el valor esperado es: E(X) = x xp(x) Ejemplo: Si se lanza un dado y Y es el número que sale, entonces: E(Y ) = 6 yp(y) = 1 6 y=1 6 y = 21 6 = 31 2 y=1 Este es el promedio esperado resultante de lanzar muchas veces el dado y dividir por el número de lanzamientos.
21 Variables Aleatorias Valor esperado Si Y p(y) es una variable aleatoria, cualquier función g(y ) define una nueva variable aleatoria y su valor esperado se define como: E(g(Y )) = y g(y)p(y)
22 Variables Aleatorias Varianza Es una medida de si los valores de una variable aleatoria tienden a ser consistentes en muchos ensayos o varían. Se mide averiguando qué tanto se desvían los valores del valor esperado. Var(X) = E((X E(X)) 2 ) = E(X 2 ) E 2 (X) La desviación estandar es la raiz cuadrada de la varianza.
23 Variables Aleatorias Distribuciones Multivariadas Cuando se definen varias variables aleatorias en un mismo espacio muestral, se obtiene una distribución multivariada La función de masa de la distribución multivariada para dos variables aleatorias discretas es: P(x, y) = P(X = x, Y = y). Si X,Y son independientes, p(x,y) = P X (x)p Y (y).
24 Variables Aleatorias Determinación de la función de probabilidad En problemas prácticos lo normal es que no se conozca la función de probabilidad, por lo tanto es necesario estimarla Esto se puede hacer a partir de la evidencia sobre P contenida en datos. Llamamos frecuencia relativa al número de veces que aparece un dato en la colección disponible. se calcula C(u) N donde C(u) es el número de veces que aparece u y N el número total de ensayos. La frecuencia relativa tiende a estabilizarse a medida que el tamaño de los datos disponibles aumenta. Esto permite calcular probabilidades estimadas
25 Variables Aleatorias Determinación de la función de probabilidad Los métodos de estimación suelen estimar P suponiendo que su comportamiento se parece al de alguna familia conocida de distribuciones de probabilidad. Por ejemplo: binomial, Gaussiana, etc. Este enfoque se llama paramétrico porque la estimación consiste en fijar valores apara los parámetros específicos dentro de la familia de distribuciones elegida. Ventajas: Se deben estimar pocos parámetros Se requiere poca información para hacer la estimación La desventaja es que si el comportamiento real de la función se aleja mucho del comportamiento de la familia de distribuciones, las estimaciones serán malas.
26 Variables Aleatorias Determinación de la función de probabilidad Existe otra opción que es realizar la estimación por métodos no paramétricos, en ellos no se presupone una familia de distribuciones, pero en cambio es necesario disponer de una mayor cantidad de datos. Un ejemplo de método no paramétrico, el vecino más próximo.
27 Variables Aleatorias Distribución binomial Es una distribución discreta Resulta de una serie de experimentos con sólo dos valores de salida posibles (ensayos de bernoulli), siendo cada ensayo independiente de los otros. Ejemplo: lanzar repetidamente una moneda. La familia de las distribuciones binomiales calcula el número r de éxitos en n ensayos, dado que la probabilidad de éxito en un ensayo es p. ( ) n b(r;n,p) = p r (1 p n r ) r Donde ( n r ) = n! m!(n m)!,0 r n El valor esperado es np y la varianza es np(1 p)
28 Estadística Bayesiana Estadística Bayesiana No todos coinciden en que los fundamentos filosóficos de la la estadística basada en frecuencia sean sólidos. El principal rival es el enfoque Bayesiano... Supongamos que uno lanza una moneda 10 veces y sale cara 8 veces. Si la moneda no está trucada, uno diría que el estimativo no es correcto. La probabilidad frecuencialista diría que los datos revelan que la probabilidad de obtener cara es 8 10 Los Bayesianos dirían que si se hubieran realizado más ensayos la cantidad de caras y sellos habría terminado por equilibrarse y que la probabilidad de obtener cara es 1 2
29 Estadística Bayesiana Estadística Bayesiana 8 10 es un estimativo de máxima verosimilitud El enfoque Bayesiano parte de una creencia a priori que se va refinando con las observaciones que se realizan. notar que estas creencias a priori influencias aquello que creemos y lo que estamos dispuestos a creer, aun ante la existencia de datos contra evidentes.
30 Estadística Bayesiana Estadística Bayesiana La estadística Bayesiana mide el grado de credibilidad y se calcula comenzando con una probabilidad a priori y actualizándola en la presencia de evidencia por medio del teorema de Bayes. La teoría de decisiones Bayesiana permite evaluar cuál modelo o familia explica mejor un conjunto de datos. Se calcula el teorema de Bayes para cada modelo, se dividen los valores obtenidos, eso se llama rata de verosimilitud, si da > 1 el modelo del numerador es mejor y sinó el del denominador es mejor. Elegir el que gane con esta medida es tomar una decisión óptima de Bayes.
Tema 3. Probabilidad y variables aleatorias
1 Tema 3. Probabilidad y variables aleatorias En este tema: Probabilidad: Experimentos aleatorios, espacio muestral, sucesos. Interpretaciones de la probabilidad. Propiedades de la probabilidad. Probabilidad
Más detallesEstadística I Tema 4: Probabilidad
Estadística I Tema 4: Probabilidad Tema 4. Probabilidad Contenidos Experimentos aleatorios, espacio muestral, sucesos elementales y compuestos. Definición de probabilidad. Propiedades. Probabilidad condicionada
Más detallesResumen de Probabilidad
Definiciones básicas * Probabilidad Resumen de Probabilidad Para calcular la probabilidad de un evento A: P (A) = N o decasosfavorables N o decasosposibles * Espacio muestral (Ω) Es el conjunto de TODOS
Más detallesVARIABLES ALEATORIAS
VARIABLES ALEATORIAS Ejemplo: lanzar dos dados y sumar lo que sale en las dos caras. El espacio muestral está formado por los 36 resultados posibles (de lanzar los dados) Y el resultado del experimento
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para
Más detallesSesión 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;
Más detallesUniversidad Mariano Gálvez Estadística y probabilidad para Ingeniería Sección B. UNIDAD 2 PROBABILIDAD
Universidad Mariano Gálvez Estadística y probabilidad para Ingeniería Sección B. UNIDAD 2 PROBABILIDAD PRESENTA DRA. EN ING. RITA VICTORIA DE LEÓN ARDÓN 2.Trabajo en equipo 3. Estudio independiente 1.
Más detallesEstadística I Tema 4: Probabilidad
Estadística I Tema 4: Probabilidad Tema 4. Probabilidad Contenidos Experimentos aleatorios, espacio muestral, sucesos elementales y compuestos. Definición de probabilidad. Propiedades. Probabilidad condicionada
Más detallesPROBABILIDAD 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
Más detallesEstadística aplicada al Periodismo
Estadística aplicada al Periodismo Temario de la asignatura Introducción. Análisis de datos univariantes. Análisis de datos bivariantes. Series temporales y números índice. Probabilidad y Modelos probabilísticos.
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 detallesGRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD
GRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD Prof. Rosario Martínez Verdú TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD 1. Nociones básicas de teoría de la probabilidad. 2. Variable
Más detallesRepaso de Estadística
Teoría de la Comunicación I.T.T. Sonido e Imagen 25 de febrero de 2008 Indice Teoría de la probabilidad 1 Teoría de la probabilidad 2 3 4 Espacio de probabilidad: (Ω, B, P) Espacio muestral (Ω) Espacio
Más detallesEstadística I Tema 5: Modelos probabiĺısticos
Estadística I Tema 5: Modelos probabiĺısticos Tema 5. Modelos probabiĺısticos Contenidos Variables aleatorias: concepto. Variables aleatorias discretas: Función de probabilidad y Función de distribución.
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 3. Probabilidad y variable aleatoria
Estadís5ca Tema 3. Probabilidad y variable aleatoria María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema
Más detallesMATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con sucesos. Leyes de De Morgan.
Más detallesProcesos estocásticos
Procesos estocásticos Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos del curso 1. Introducción. 2. Procesos a tiempo discreto:
Más detallesProbabilidad 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.
Más detallesProbabilidad Condicional. Teorema de Bayes para probabilidades condicionales:
Probabilidad Condicional Teorema de Bayes para probabilidades condicionales: Definición: Variables aleatorias Sea S el espacio muestral de un experimento. Una función real definida sobre el espacio S es
Más detallesTema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
Más detallesTeoría Estadística Elemental I Teoría (resumida) del 2 do Tema
Teoría Estadística Elemental I Teoría (resumida) del 2 do Tema Raúl Jiménez Universidad Carlos III de Madrid Noviembre 2011 Consideremos el lanzamiento de un dado, Ω = {1, 2, 3, 4, 5, 6}, y supongamos
Más detallesEL4005 Principios de Comunicaciones Clase No.10: Repaso de Probabilidades
EL4005 Principios de Comunicaciones Clase No.10: Repaso de Probabilidades Patricio Parada Departamento de Ingeniería Eléctrica Universidad de Chile 10 de Septiembre de 2010 1 of 29 Contenidos de la Clase
Más detallesProbabilidad Condicional. Dr. José Dionicio Zacarias Flores
Probabilidad Condicional Dr. José Dionicio Zacarias Flores Introducción Sea E un experimento aleatorio con espacio de probabilidad (Ω,F,P). Algunas veces podemos poseer información incompleta sobre el
Más detallesVARIABLES ALEATORIAS Variable: Característica de los individuos u objetos
1 Definiciones VARIABLES ALEATORIAS Variable: Característica de los individuos u objetos Aleatoria: Azar 1. Una variable aleatoria ( v.a.) es una función que asigna un número real a cada resultado en el
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 detallesEstadística I Tema 4: Probabilidad y modelos probabiĺısticos
Estadística I Tema 4: Probabilidad y modelos probabiĺısticos Tema 4. Probabilidad y modelos probabiĺısticos Contenidos Probabilidad: Experimentos aleatorios, espacio muestral, sucesos elementales y compuestos.
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Experimento aleatorio Probabilidad Definición variable aleatoria: discretas y continuas Función de distribución y medidas Distribución Binomial Distribución de Poisson Distribución
Más detallesUnidad 1. a. Probabilidades y Estadística
Unidad 1 a. Probabilidades y Estadística 1 IN3401 SEMESTRE OTOÑO, 2012 ESTADÍSTICA DESCRIPTIVA (Continuación) 2 Medidas de Tendencia Central Media Geométrica 3 La media geométrica proporciona una medida
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 detallesEstadística I Tema 5: Modelos probabiĺısticos
Estadística I Tema 5: Modelos probabiĺısticos Tema 5. Modelos probabiĺısticos Contenidos Variables aleatorias: concepto. Variables aleatorias discretas: Función de probabilidad y función de distribución.
Más detallesRESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
RESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con
Más detallesProbabilidades. Gerardo Arroyo Brenes
Probabilidades Gerardo Arroyo Brenes Teoría de las Probabilidades Experimento: Es toda acción o proceso que produce resultados bien definidos. Ejemplos: Experimento Resultado: Lanzar una moneda Cara o
Más detallesCapítulo 5: Probabilidad e inferencia
Capítulo 5: Probabilidad e inferencia estadística (Fundamentos Matemáticos de la Biotecnología) Departamento de Matemáticas Universidad de Murcia Contenidos Principios de la probabilidad Conceptos básicos
Más detallesTeorema de Bayes(6) Nos interesan las probabilidades a posteriori o probabilidades originales de las partes p i :
Teorema de Bayes(5) 75 Gráficamente, tenemos un suceso A en un espacio muestral particionado. Conocemos las probabilidades a priori o probabilidades de las partes sabiendo que ocurrió A: Teorema de Bayes(6)
Más detallesVARIABLES ALEATORIAS INTRODUCCIÓN
DOCENTE: SERGIO ANDRÉS NIETO DUARTE CURSO: ESTADÍSTICA DE LA PROBABILIDAD VARIABLES ALEATORIAS INTRODUCCIÓN Normalmente, los resultados posibles (espacio muestral E) de un experimento aleatorio no son
Más detallesObjetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria
Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza
Más detallesUnidad 1: Espacio de Probabilidad
Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar
Más detallesTema 5: Modelos probabilísticos
Tema 5: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
Más detallesPor: Dra. Victoria Serrano
Por: Dra. Victoria Serrano Una variable aleatoria es una función que asigna un número real X ζ a cada resultado ζ en el espacio muestral S de un experimento aleatorio S X ζ = x ζ x línea real S X Una moneda
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 1
Maestría en Bioinformática Probabilidad y Estadística: Clase 1 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Introducción 2 Teoría
Más detallesEstadís4ca y Métodos Numéricos Tema 2. Variable Aleatoria
Estadís4ca y Métodos Numéricos Tema. Variable Aleatoria Ángel Barón Caldera Ángel Cobo Ortega María Dolores Frías Domínguez Jesús Fernández Fernández Francisco Javier González Or@z Carmen María Sordo García
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más detallesEjemplo: Si lanzamos un dado 7 veces y 3 de ellas nos sale par, la frecuencia
Probabilidad La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles,
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 detalles2.3 PROPIEDADES DE LA PROBABILIDAD
2.3 PROPIEDADES DE LA PROBABILIDAD 1. La probabilidad es positiva y menor o igual que 1. 0 p( 1 2. La probabilidad del suceso seguro es 1. p (E) = 1 3. Si A y B son incompatibles, es decir A B = entonces:
Más detallesMétodos Matemá4cos en la Ingeniería Tema 7. Probabilidad
Métodos Matemá4cos en la Ingeniería Tema 7. Probabilidad Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA License:
Más detallesAnálisis de Datos. Conceptos básicos de probabilidad y teorema de Bayes. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Conceptos básicos de probabilidad y teorema de Bayes Profesor: Dr. Wilfrido Gómez Flores 1 Teoría de la probabilidad Los fenómenos del mundo real se pueden clasificar en dos tipos: Determinista:
Más detallesTeoría elemental de la probabilidad
La es el medio por el cual a partir de la información muestral tomamos decisiones o hacemos afirmaciones que se refieren a toda una población, mediante el proceso llamado inferencia estadística La nos
Más detallesEXPERIMENTO ALEATORIO
EXPERIMENTO ALEATORIO En concepto de la probabilidad, un experimento aleatorio es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, en otras palabras,
Más detallesExamen de Teoría de (Introducción al) Reconocimiento de Formas
Examen de Teoría de (Introducción al) Reconocimiento de Formas Facultad de Informática, Departamento de Sistemas Informáticos y Computación Universidad Politécnica de Valencia, Enero de 007 Apellidos:
Más detallesBloque I: Estadística y Probabilidad
Bloque I: Estadística y Probabilidad 1. Probabilidad 1. Teoría de la probabilidad 2. Probabilidad condicionada 3. Dependencia e independencia de sucesos 4. Técnicas de recuento: diagramas de árbol, tablas
Más detallesValeri Makarov: Estadística Aplicada y Cálculo Numérico (Grado en Química)
Estadística Aplicada y Cálculo Numérico (Grado en Química) Valeri Makarov 10/02/2015 29/05/2015 F.CC. Matemáticas, Desp. 420 http://www.mat.ucm.es/ vmakarov e-mail: vmakarov@mat.ucm.es Capítulo 4 Variables
Más detallesUnidad 3. Probabilidad. Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre / 22
Unidad 3. Probabilidad Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre 2018-1 1 / 22 Espacios de probabilidad El modelo matemático para estudiar la probabilidad se conoce como espacio de
Más detallesVariables aleatorias discretas
Variables aleatorias discretas Considere el espacio de probabilidad Ω, F, P) y la función X : Ω R. La imagen de Ω bajo X se define como sigue ImgX) = x R ω Ω : Xω) = x}. Si ImgX) es un conjunto contable,
Más detallesIntroducción al Diseño de Experimentos.
Introducción al Diseño de Experimentos www.academia.utp.ac.pa/humberto-alvarez Introducción Una población o universo es una colección o totalidad de posibles individuos, especímenes, objetos o medidas
Más detallesNIVELACIÓN DE ESTADISTICA. Carlos Darío Restrepo
NIVELACIÓN DE ESTADISTICA Qué es la probabilidad? La probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se realiza un experimento. Por ejemplo: tiramos un dado al aire y
Más detallesPROBABILIDAD Probabilidad Clásica y Frecuencial. Probabilidad frecuencial y regularidad estadística Las frecuencias relativas de un evento tienden a
Probabilidad Clásica y Frecuencial. Probabilidad frecuencial y regularidad estadística Las frecuencias relativas de un evento tienden a estabilizarse cuando el número de observaciones se hace cada vez
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 detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detallesEsquema Matemáticas CCSS
Esquema Matemáticas CCSS 4. Inferencia Conocer el vocabulario básico de la Inferencia Estadística: población, individuos, muestra, tamaño de la población, tamaño de la muestra, muestreo aleatorio. Conocer
Más detallesEn el resultado de los experimentos aleatorios interviene el azar, cuando ésto no ocurre así, hablaríamos de sucesos deterministas.
1.- EXPERIMENTOS ALEATORIOS Y SUCESOS Un experimento aleatorio es aquel que cumple las siguientes condiciones: Se conocen todos sus posibles resultados No se puede conocer el resultado que se obtendrá
Más detallesProbabilidad Condicional
Probabilidad Condicional Independencia condicional Como hemos dicho, las probabilidades condicionales tienen las mismas propiedades que las probabilidades no condicionales. Un ejemplo más es el siguiente:
Más detallesGUÍA 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 detallesUniversidad Nacional de La Plata
Universidad Nacional de La Plata Facultad de Ciencias Agrarias y Forestales CÁLCULO ESTADÍSTICO STICO Y BIOMETRÍA CONTENIDOS UNIDAD 3: Introducción al Cálculo de Probabilidades. Experimento aleatorio.
Más detalles3. Variables aleatorias
3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesVariables aleatorias continuas, TCL y Esperanza Condicional
Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función
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 detallesBioestadística. Curso Capítulo 3
Bioestadística. Curso 2012-2013 Capítulo 3 Carmen M a Cadarso, M a del Carmen Carollo, Xosé Luis Otero, Beatriz Pateiro Índice 1. Introducción 2 2. Variable aleatoria 2 2.1. Variables aleatorias discretas...............................
Más 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 detallesFolleto de Estadísticas. Teoría del 1er Parcial
Folleto de Estadísticas Teoría del 1er Parcial 2012 Población objetivo: Es un conjunto bien definido de elementos sobre los que se desea hacer algún tipo de investigación o medida. Unidades de investigación:
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #2 Tema: Esperanza y Decisiones Prof.: MSc. Julio Rito Vargas A. Grupo:CCEE y ADMVA /2016 Objetivos: Entender los conceptos básicos
Más detallesCálculo de probabilidad. Tema 1: Combinatoria y probabilidad
Cálculo de probabilidad Tema 1: Combinatoria y probabilidad Guión Guión 1.1. Análisis combinatorio Regla de multiplicación Este es el método de conteo más sencillo que existe. Supongamos que realizamos
Más detallesRepaso de Probabilidad y Estadística
Repaso de Probabilidad y Estadística Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Probabilidad 2 Definición.............................................................
Más detallesTema 4: VECTORES ALEATORIOS
Tema 4: VECTOES ALEATOIOS 1 Concepto de variable aleatoria bidimensional Sea Ω el espacio muestral de un experimento aleatorio. Definimos variable aleatoria bidimensional, como una aplicación ( ):Ω tal
Más detallesENUNCIADO y SOLUCIONES. Problema 1
Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.
Más detallesRegla de la multiplicación
Técnicas de Conteo Regla de la multiplicación Permutaciones de n objetos tomados r a la vez Combinaciones de n objetos tomados r a la vez Repartiendo objetos distinguibles en cajas Repartiendo Objetos
Más detallesVariables Aleatorias Discretas
Profesor Alberto Alvaradejo Ojeda 9 de septiembre de 2015 Índice 1. Variable aleatoria 3 1.1. Discretas...................................... 3 1.2. Continuas..................................... 3 1.3.
Más detallesFundamentos de la Teoría de la Probabilidad. Ing. Eduardo Cruz Romero
Fundamentos de la Teoría de la Probabilidad Ing. Eduardo Cruz Romero www.tics-tlapa.com Teoría elemental de la probabilidad (1/3) El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos
Más detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
Más 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 detallesDefinición de variable aleatoria
Variables aleatorias Instituto Tecnológico Superior de Tepeaca Agosto-Diciembre 2015 Ingeniería en Sistemas Computacionales M.C. Ana Cristina Palacios García Definición de variable aleatoria Las variables
Más detallesUNIDAD 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
Más detallesINDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
Más detallesSEÑALES Y SISTEMAS Clase 5
SEÑALES Y SISTEMAS Clase 5 Carlos H. Muravchik 15 de Marzo de 2018 1 / 43 Habíamos visto: Repaso Probabilidades (sobrevuelo) Veremos: 1. Repaso Probabilidades 2. Repaso Variables aleatorias. Distribuciones.
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
Más detallesIMADIL /12/2014
IMADIL 2014 1. Introducción 2. Definiciones previas 3. Axiomas de la probabilidad 4. Definición de variable aleatoria 5. Variables aleatorias discretas y continuas 6. Modelos de probabilidad: Distribución
Más detallesTema 4: Modelos probabilísticos
Tema 4: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
Más detallesProf. 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
Más detallesTeoría de Probabilidad
Matemáticas Discretas L. Enrique Sucar INAOE Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para las que no existe
Más detallesMatemáticas Discretas Probabilidad
Coordinación de Ciencias Computacionales - INAOE Matemáticas Discretas Probabilidad Cursos Propedéuticos 2010 Ciencias Computacionales INAOE Teoría de Probabilidad Considero que la probabilidad representa
Más detallesUnidad II: Fundamentos de la teoría de probabilidad
Unidad II: Fundamentos de la teoría de probabilidad 2.1 Teoría elemental de probabilidad El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que se denominan aleatorios, cuya característica
Más detallesU D PROBABILIDAD 2º BACHILLERATO Col. LA PRESENTACIÓN PROBABILIDAD
PROBABILIDAD 0. DEFINICIONES PREVIAS 1. DISTINTAS CONCEPCIONES DE PROBABILIDAD a. Definición Clásica b. Definición Frecuentista 2. DEFINICIÓN AXIOMÁTICA DE PROBABILIDAD a. Espacio Muestral b. Suceso Aleatorio
Más detalles