Dónde estamos? VARIABLES ALEATORIAS
|
|
- Javier Sevilla Ávila
- hace 5 años
- Vistas:
Transcripción
1 Dónde estamos? VARIABLES ALEATORIAS DESCR. CÁLC. P. INFERENCIA CONCEPTOS BÁSICOS DE V.A. V.A. DISCRETAS V.A. CONTINUAS MEDIDAS CARACTERÍSTICAS TRANSFORMACIÓN DE V.A. 98 Probabilidad 988 Variables aleatorias 994 Emilio Letón Dpto. Estadística, UC3M YT: WWWLIAA Frentes abiertos I feel it in my fingers I feel it in my toes Love is all around me And so the feeling grows Its written on the wind Its everywhere I go, oh yes it is So if you really love me Come on and let it show x i? X De dónde vienen los datos? P( )?
2 CONCEPTOS BÁSICOS DE V.A. Definición de variables aleatorias Soporte y tipos V.A. DISCRETAS V.A. CONTINUAS CONCEPTOS BÁSICOS DE V.A. Alea; Stokastikos (Jakob Bernoulli; XVII) x i? MEDIDAS CARACTERÍSTICAS TRANSFORMACIÓN DE V.A. Los Bernoulli Definición de v.a. Experimento aleatorio Espacio muestral=e x i? E e X R X(e)
3 Resumen: definición de v.a. Soporte y tipos Soporte: conjunto de posibles valores que puede tomar la v.a. Tipos: v.a. discretas finitas; v.a. discretas infinitas; v.a. continuas E, E, E 3, E 4 Estamos rodeados de v.a? Ejemplo asociado a E (/) Ejemplo asociado a E (/) F F S F S S Se observa una pieza si F o S F=fallo, defectuoso; S=correcto Si el dígito se ha transmitido F o S E ={F,S} Discreto finito de elementos X E R {F} 0 {S} Soporte: {0,} Tipo: v.a. dis. finita
4 Ejemplo asociado a E (/3) Ejemplo asociado a E (/3) FFF SFF FSF FSS FSS FFF Se observa una pieza de 3 comp. con cada componente F o S E ={FFF,FFS,FSF,FSS,SSS, SSF,SFS,SFF} Discreto finito de 8 elementos X E e R Núm de S Soporte: {0,,,3} Tipo: v.a. dis. finita Ejemplo asociado a E (3/3) Ejemplo asociado a E 3 (/) X * R E e N.de S N.de F Soporte: {-3,-,,3} Tipo: v.a. dis. finita S FS FFS S FS FS Se observa nº de veces hasta transmitir un bit correctamente E 3 ={S,FS,FFS,FFFS, FFFFS, } Discreto inf. (infinito numerable)
5 Ejemplo asociado a E 3 (/) X E e R Soporte: {,,3, } Tipo: v.a. dis. infinita Núm de veces hasta S Ejemplo asociado a E 4 5 Se observa el tiempo hasta transmitir un bit correctamente 3 Tiempo de acceso a una web 45 E 4 =R + 7 Continuo inf. (inf. no numerable) Ejemplo asociado a E 4 (/) Resumen: soporte y tipos R x + X Soporte: R x + R Tipo: v.a. continua
6 CONCEPTOS BÁSICOS DE V.A. V.A. DISCRETAS Función de probabilidad Función de distribución V.A. CONTINUAS V.A. DISCRETAS Gráfico de frecuencias relativas Gráfico acumulado de fr. relativas MEDIDAS CARACTERÍSTICAS TRANSFORMACIÓN DE V.A. Función de probabilidad E: discreto (finito o inf. num.) Definición ( x ) = P ( X x ) p = Con la probabilidad de los sucesos elementales se calcula todo
7 Propiedades ( x ) 0 p ( x ) p = x Ejemplo v.a. discreta finita (/4) p ( x ) /6, x = = 5/6, x = 0 Ejemplo v.a. discreta finita (/4) p ( x ) p, x = = p, x = 0 Ejemplo v.a. discreta finita (3/4) p ( x ) /3, x = = /3, x = 0
8 Ejemplo v.a. discreta finita (4/4) p ( x ) = x =,..., k k Ejemplo v.a. discreta infinita X Resumen: función de probabilidad Función de distribución (disc.) E: discreto (finito o inf. num.)
9 Definición F ( x ) = P ( X x ) = p ( xi ) ( x ) F ( x ) p x x i Propiedades F( ) = F( + ) = F c. pd. F mnd.. 0 Resumen: fc distribución (disc.) Ej. v.a.d. (/3) p ( x ) p = p, x =, x = 0 F ( x ) P ( X x ) = p ( x ) =? = x i x i
10 Ej. v.a.d. (/3) Ej. v.a.d. (3/3) Resumen: ej. v.a.d. Ej. v.a.d. (/3) X......
11 Ej. v.a.d. (/3) Ej. v.a.d. (3/3) Resumen: ej. v.a.d. Prob. de intervalos en v.a.d. (/4) P ( a < X b ) = F ( b ) F ( a ) ( X b ) = ( a < X b ) ( X a )
12 Prob. de intervalos en v.a.d. (/4) P ( a X b ) = F ( b ) F ( a ) ( X a ) +P = Prob. de intervalos en v.a.d. (3/4) P ( a < X < b ) = F ( b ) F ( a ) ( X b ) P = Prob. de intervalos en v.a.d. (4/4) P ( a X < b ) = F ( b ) F ( a ) ( X = b ) + P ( X a ) P = Resumen: prob. de inter. en v.a.d.
13 Simetría en v.a.c. P ( X α x ) = P ( X α + x ) P ( X α x ) = P ( α + x X + ) F ( α x ) = F ( α + x ) + P ( X = α + x ) CONCEPTOS BÁSICOS DE V.A. V.A. DISCRETAS V.A. CONTINUAS Función de densidad Función de distribución MEDIDAS CARACTERÍSTICAS TRANSFORMACIÓN DE V.A. V.A. CONTINUAS Histograma de frecuencias relativas Función de densidad E: continuo (infinito no num.) Histograma acumulado de fr. relativas
14 Definición 0 f ( x ) = lim δx 0 ( X x ) ( x < X x + δx ) =P = P δx Propiedades 0 + x = f f ( x ) ( x ) dx = Ejemplo v.a. continua (/5) Ejemplo v.a. continua (/5)
15 Ejemplo v.a. continua (3/5) Ejemplo v.a. continua (4/5) Ejemplo v.a. continua (5/5) Resumen: función de densidad f ( x ) = λe 0 λx x 0 resto
16 Integrales impropias (/) Integrales impropias (/) + x = 0 λe λx dx Resumen: integrales impropias Función gamma Γ ( ) + x p p = e x 0 p >0 dx
17 Propiedades Γ Γ ( p ) = ( p ) Γ( p ) p > ( n ) = ( n )! Γ ( ) = Ejercicio (/) + x = 0 λe λx dx Γ / ( /) = π = π Ejercicio (/) Ejercicio (/) + x = 0 e π x dx y = x x = / ( y ) dy = xdx
18 Ejercicio (/) = + y = 0 π e π 3 Γ y 3 3 = Γ π / ( y ) dy Resumen: función gamma Función beta B p ( pq ) x ( x ) = 0 q, dx p, q >0 Propiedades B B ( p, q ) = ( /,/ ) = π Γ Γ ( p ) Γ( q ) ( p + q ) ( p, ) = p B /
19 Ejercicio Resumen: función beta = B 4 x ( x )dx 0 ( 5,) Γ = ( 5) Γ( ) = Γ( 7) 6! 4!! = 6 5 = 5 Función de distribución (cont.) E: continuo (infinito no num.) Definición F x ( x ) = P ( X x ) = f ( t )dt ( x ) F ( x ) f
20 Propiedades Resumen: fc distribución (cont.) F( ) = F( + ) = F c. pd. F mnd.. 0 Ej. v.a.c. (/5) Ej. v.a.c. (/5)
21 Ej. v.a.c. (3/5) Ej. v.a.c. (4/5) Ej. v.a.c. (5/5) Resumen: ej. v.a.c.
22 Prob. de intervalos en v.a.c. P ( a < X b ) = F ( b ) F ( a ) Simetría en v.a.c. F ( α x ) = F ( α + x ) + P ( X = α + x ) ( α x )( ) = f ( α x ) ( α x ) = f ( α x ) ( x ) f ( x ) par f + f + f = CONCEPTOS BÁSICOS DE V.A. V.A. DISCRETAS V.A. CONTINUAS MEDIDAS CARACTERÍSTICAS MEDIDAS CARACTERÍSTICAS Media poblacional (Esperanza) Varianza y dt poblacional Otras medidas poblacionales Media poblacional Varianza y dt poblacional Otras medidas poblacionales TRANSFORMACIÓN DE V.A.
23 Media poblacional n k x = x = x n i i = j = j fr ( x ) j Discretas µ = E [ X ] = x p ( x ) x ( x ) x p < + x Continuas µ = E x [ X ] = x f ( x ) x f x ( x ) dx < + dx Propiedades (/4) E E Si [ X ] con unidades u [ X ] 0 ó E [ X ] 0 X 0 E [ X ] 0
24 Propiedades (/4) E E [ c ] = c E [ a + bx ] = a + be [ X ] [ bx ± bx] = E [ X ] be [ ] b ± X Propiedades (3/4) E E E [ h ( X )] = h ( x ) p X ( x ) x [ h ( X )] h ( x ) f ( x ) ind. = x X dx [ XY ] = E [ X ] E [ Y ] Propiedades (4/4) Si existe la media y hay simetría media =mediana Resumen: media poblacional
25 Varianza poblacional n s = x ni = k = j = ( ) x x i ( x x ) fr ( x ) j j Discretas σ = V [ X ] = ( x µ ) p ( x ) h x ( x ) = ( x µ ) Continuas σ [ X ] = ( x ) f ( x )dx = V µ h x ( x ) = ( x µ ) Propiedades (/4) V [ X ] con unidades u V [ X ] 0
26 Propiedades (/4) V V [ c ] = 0 [ a + bx ] = bv [ X ] [ bx ± bx ] ind. V = [ X ] bv [ ] V X b + V V Propiedades (3/4) [ h ( X )] = ( h ( x ) E [ h ( x )]) p X ( x ) x [ h ( X )] ( h ( x ) E [ h ( x )]) f ( x ) = x X dx Propiedades (4/4) V para [ X ] E ( X c ) cualquier [ ] c µ Resumen: varianza poblacional
27 Ej. var Resumen: ej. var. Desviación típica poblacional σ = [ X ] = V [ X ] D + Discretas σ = D [ X ] = ( x µ ) p ( x ) x
28 Continuas [ X ] = ( x ) f ( x )dx σ = D µ x Propiedades (/3) D [ X ] con unidades u D [ X ] 0 Propiedades (/3) Dc [ ] = 0 [ a + bx ] bd [ X ] D = [ bx ± bx ] ind. D = [ X ] bv [ ] V X b + Propiedades (3/3) [ h ( X )] V [ h ( X )] D =
29 Resumen: dt poblacional Des. de Chebyshev poblacional P ( X µ kσ ) k ( kσ X µ kσ ) ( µ kσ X µ kσ ) P P + Resumen: des. Cheb. poblacional Tipificación Z = X D E [ X ] [ X ]
30 Media E [ Z ] X = E D E [ X ] [ X ] Varianza V [ Z ] X = V D E [ X ] [ X ] Resumen: tipificación Mediana poblacional x med :50% obs. P P el 50% ( X x ) med ( X x ) med a la a la dcha izda
31 Discretas F = ( x ) + P ( X ) med x med Continuas ( ) x med =F Propiedades (/4) ς 0.5 ς [ X ] con unidades u [ X ] ó ς [ X ] Si X ς X 0 5[ ] 0 0. Propiedades (/4) ς ς 0.5 [ c ] = c.5[ a + bx ] = a b 0. 5[ X ] [ bx ± b ] = [ X ] b ς [ ] ς + 0 ς 0.5 X = b ς ± X
32 Propiedades (3/4) Nonecesariamenteúnica Consimetría cg =mediana Propiedades (4/4) [ X c ] E se hace mínima c = ς 0.5 Resumen: mediana poblacional CAS poblacional CAS = µ σ 3 3 [( ) 3 ] µ 3 = E X µ µ = = µ
33 Resumen: CAS poblacional CAP poblacional µ 4 CAP = γ 3 = 4 σ [( ) 4 ] µ 4 = E X µ 3 µ = = µ Resumen: CAP poblacional Cuantiles poblacionales ς : p*00% el p*00% ( X ς ) p P p a ( X ς ) p P p obs p. a la la dcha izda
34 Discretas p F ( ς ) p + P ( X = ς ) p p Continuas p = F ς ( ) p Resumen: cuantiles poblacionales Otras medidas poblacionales max p ( x ) maxf ( x ) x CV = σ µ x
35 Resumen: otras medidas pob. Ej. m.c. (/5) Ej. m.c. (/5) Ej. m.c. (3/5)
36 Ej. m.c. (4/5) Ej. m.c. (5/5) Resumen: ej. m.c. Ej. m.c. (/5)
37 Ej. m.c. (/5) Ej. m.c. (3/5) Ej. m.c. (4/5) Ej. m.c. (5/5)
38 Resumen: ej. m.c. CONCEPTOS BÁSICOS DE V.A. V.A. DISCRETAS V.A. CONTINUAS MEDIDAS CARACTERÍSTICAS TRANSFORMACIONES DE V.A. Teorema de la transformación Simulación de v.a. TRANSFORMACIONES DE V.A. X FX Y = h ( x ) ( X ) F ( y )? Y Teorema de la transformación F Y ( y ) = P ( Y y ) = P ( h ( X ) y ) sen ( X ) X X a +bx
39 Continua monótona crec. f Y ( ) ( y ) = PX h ( y ) F Y = F ( h ( y )) F ( g ( y )) X = X dx ( y ) = f ( g ( y )) X dy f Continua monótona decrec. Y = ( ) ( y ) = PX h ( y ) ( PX < h ( y )) F X h ( y ) Ph F Y = [ ( ) ( ( ))] y dx ( y ) = f ( g ( y )) X dy Continua monótona Resumen: teorema de la transf. f dx ( y ) fx ( g ( y )) dy ( g ( y )) Y = = f X dy dx
40 Ej. transf. v.a (/6) Ej. transf. v.a (/6) Si X es U(0,) entonces -X es U(0,)? Ej. transf. v.a (3/6) Ej. transf. v.a (4/6)
41 Ej. transf. v.a (5/6) Ej. transf. v.a (6/6) Resumen: ej. transf. v.a. Ej. transf. v.a (/4) Si X es U(0,) entonces exp(x) es U(0,e)?
42 Ej. transf. v.a (/4) Ej. transf. v.a (3/4) Ej. transf. v.a (4/4) Resumen: ej. transf. v.a.
43 Ej. 3 transf. v.a (/5) Sea la v.a. X N(0,) dada por π ( x ) = exp x x R f -Determinar la función de densidad de Y=X*X Ej. 3 transf. v.a (/5) F Y = P = F ( y ) = P ( Y y ) = P ( X y ) ( y X y ) X ( y ) F ( y ) X Ej. 3 transf. v.a (3/5) Ej. 3 transf. v.a (4/5) f X F Y ( y ) = F ( y ) F ( y ) X f Y ( y ) = / ( ) ( ) / y y f y y X X f Y ( y ) = y 0 exp π y y > 0 resto
44 Ej. 3 transf. v.a (5/5) = f X f y x x = ± Y = i ( y ) = fx g ( y ) ( + y ) + f ( y ) i y X y i ( ) J y Resumen: ej. 3 transf. v.a. Simulación de v.a. Si X v.a. cuya función de distribución F X (x) admite inversa entonces U=F X (X) es U(0,) Justificación (/) = F Y ( y ) = P ( Y y ) ( F ( X ) y ) X F ( y ) =P X = ( ) P X ( F ( y )) y FX X =
45 Justificación (/) Interpretación geométrica 0 y < 0 F Y ( y ) = y 0 y < y Mecanismo interno de una v.a. x i? X ( p ( x ), F ( x )) ( f ( x ), F ( x )) Catálogo: Modelos de probabilidad Resumen: simulación de v.a.
46 Webgrafía: web de la asignatura Software; Prácticas; ABP; Autoevaluación; Ejercicios; Mini-Vídeos; CPC; Tutorías; Webgrafía
Dónde estamos? PROBABILIDAD
Dónde estamos? ROILIDD DESCR. CÁLC.. INFERENCI 1981 robabilidad CONCETOS ÁSICOS DE RO. ROILIDD CONDICIOND 1988 Emilio Letón Dpto. Estadística, UC3M YT: EOF Let me sail, let me sail, let the orinoco flow,
Más detallesDónde estamos? PROBABILIDAD
Dónde estamos? ROILIDD DESCR. CÁLC.. INFERENCI 1981 robabilidad CONCETOS ÁSICOS DE RO. ROILIDD CONDICIOND 1988 Emilio Letón Dpto. Estadística, UC3M 1 2 YT: EOF Frentes abiertos Let me sail, let me sail,
Más detallesDónde estamos? MODELOS DE PROBABILIDAD
Dónde estamos? MODELOS DE PROBABILIDAD DESCR. 98 CÁLC. P. Probabilidad INFERENCIA 988 MODELOS DISCRETOS MODELOS CONTINUOS TEOREMA CENTRAL DEL LÍMITE Variables aleatorias Modelos de robabilidad 994 999
Más detallesPart I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas
Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesVariables aleatorias
Variables aleatorias Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 Una variable aleatoria es un valor numérico que se corresponde con
Más detallesEstadística. 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
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 detallesTransformaciones 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
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 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 detallesVariables aleatorias continuas y Teorema Central del Limite
Variables aleatorias continuas y Teorema Central del Limite FaMAF 17 de marzo, 2015 Variables aleatorias continuas Definición Una variable aleatoria X se dice (absolutamente continua) si existe f : R R
Más detallesVariables aleatorias. Descripción breve del tema. Objetivos. Descripción breve del tema. Tema 4
Descripción breve del tema Variables aleatorias Tema 4 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Descripción breve
Más detallesModelos Básicos de Distribuciones Discretas y Continuas
Modelos de Distribuciones Discretas y Continuas 1/27 Modelos Básicos de Distribuciones Discretas y Continuas Departamento de Estadística e Investigación Operativa Universidad de Sevilla Contenidos Modelos
Más detalles5. 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
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 detallesNotas 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
Más detallesMétodos Estadísticos de la Ingeniería Práctica 5: Distribuciones de Probabilidad y el Teorema Central del
Métodos Estadísticos de la Ingeniería Práctica 5: Distribuciones de Probabilidad y el Teorema Central del Límite Área de Estadística e Investigación Operativa Mariano Amo Salas y Licesio J. Rodríguez-Aragón
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 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 detallesVariables aleatorias
Capítulo 5 Variables aleatorias 5.1. Introducción Normalmente, los resultados posibles (espacio muestral E) de un experimento aleatorio no son valores numéricos. Por ejemplo, si el experimento consiste
Más detallesCálculo 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
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 2: Variables Aleatorias Unidimensionales
Tema 2: Variables Aleatorias Unidimensionales Teorı a de la Comunicacio n Curso 27-28 Contenido 1 Concepto de Variable Aleatoria 2 Función Distribución 3 Clasificación de Variables Aleatorias 4 Función
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 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 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 detallesSistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad
Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad Indice 1) Sucesos aleatorios. Espacio muestral. 2) Operaciones con sucesos. 3) Enfoques de la Probabilidad.
Más detallesTema 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
Más detallesVariables aleatorias. Tema Introducción Variable aleatoria. Contenido
Tema 4 Variables aleatorias En este tema se introduce el concepto de variable aleatoria y se estudian los distintos tipos de variables aleatorias a un nivel muy general, lo que nos permitirá manejar los
Más detallesTEMA 2.- VARIABLES ALEATORIAS
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 16/17 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias. 2.2. Variables aleatorias discretas. Diagrama de barras. 2.3. Función de
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
Más detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Más detallesTema 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 detalles2. VARIABLE ALEATORIA. Estadística I Dr. Francisco Rabadán Pérez
2. VARIABLE ALEATORIA Estadística I Dr. Francisco Rabadán Pérez Índice 1. Variable Aleatoria 2. Función de Distribución 3. Variable Aleatoria Discreta 4. Variable Aleatoria Continua 5. Esperanza Matemática
Más detallesVariables Aleatorias. Introducción
Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesTema 3. VARIABLES ALEATORIAS.
3..- Introducción. Tema 3. VARIABLES ALEATORIAS. Objetivo: Encontrar modelos matemáticos para el trabajo con probabilidad de sucesos. En particular, se quiere trabajar con funciones reales de variable
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesTema 4: Variables aleatorias.
Estadística 46 Tema 4: Variables aleatorias. El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos aleatorios, que en muchos
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 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 detallesUnidad 3. Probabilidad
Unidad 3. Probabilidad Javier Santibáñez 17 de agosto de 2018 1. Introducción Definición 1. La probabilidad es una medida subjetiva del grado de creencia que se tiene acerca de que algo desconocido sea
Más detallesRepresentaciones 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...........................
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 detallesVariables 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
Más detallesPart I. Momentos de una variable aleatoria. Esperanza y varianza. Modelos de Probabilidad. Mario Francisco. Esperanza de una variable aleatoria
una una típica Part I Momentos. Esperanza y varianza Esperanza una una típica Definición Sea X una discreta que toma los valores x i con probabilidades p i. Supuesto que i x i p i
Más detallesProbabilidad para una V.A. Continua. P( a X b) = f ( x)
Tema 4: Variables Aleatorias Contínuas Prof. Heriberto Figueroa S. Capítulo 4 Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 4.1. Variables Aleatorias Continuas Una variable aleatoria
Más detallesTema 6: Modelos de probabilidad.
Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos
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 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 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 detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesTema 2: Variables Aleatorias
Estadística Aplicada I. Curso 2009-2010 Tema 2: Variables Aleatorias José G. Clavel 1 1 Departamento de Métodos Cuantitativos para la Economía y la Empresa jjgarvel@um.es Universidad de Murcia 6 de octubre
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 detallesINGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesCurso Propedéutico de Cálculo Sesión 6: Aplicaciones de la Integración
por Curso Propedéutico de Cálculo Sesión 6: de la Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico Esquema por 1 por 2 Esquema por 1 por 2 por Al contrario
Más detallesTEMA 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.
Más detallesProbabilidad, Variables Aleatorias y Distribuciones
rueba de Evaluación Continua Grupo A -XI-6.- El despertador de un trabajador no funciona bien, pues el % de las veces no suena. Cuando suena, el trabajador llega tarde con probabilidad., pero si no suena,
Más detallesESTADÍSTICA. Facultad Nacional de Ingeniería Oruro - Bolivia
ESTADÍSTICA Facultad Nacional de Ingeniería Oruro - Bolivia José Luis Zamorano Escalante Universidad Técnica de Oruro Presentación El termino estadística proviene del latín statisticum collegium ( consejo
Más detallesEjemplo de la señal aleatoria
VARIABLE ALEATORIA Ejemplo de la señal aleatoria En el contexto de las telecomunicaciones, cualquier señal debe considerarse aleatoria, ya que por muchas razones, no existen garantías de que la señal enviada
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 detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Definición de una V.A.C. Definición de una V.A.C.
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
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 detallesPROBABILIDADES (TELE-00031)
PROBABILIDADES (TELE-0003) Tema. Variable aleatoria en una dimensión Abril 06. La unción de probabilidad de la variable aleatoria discreta N viene dada por N n p (n) = K.r, n = 0,,.... Calcule el valor
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 detallesEstadística. Soluciones ejercicios: Modelos de probabilidad. Versión 8. Emilio Letón
Estadística Soluciones ejercicios: Modelos de probabilidad Versión 8 Emilio Letón. Nivel. Durante los nes de semana, un servidor web recibe una media de accesos cada minutos, considerándose estos un proceso
Más detallesTeoría Moderna de Decisión y Estimación, Notas Introductorias: Cálculo de probabilidades y
Profesores de TMDE Teoría Moderna de Decisión y Estimación, Notas Introductorias: Cálculo de probabilidades y estadística Monograph 9 de septiembre de 23 Springer Índice general. Variables aleatorias
Más detallesMaterial introductorio
Material introductorio Nombre del curso: Teoría Moderna de la Detección y Estimación Autores: Vanessa Gómez Verdejo Índice general. Variables aleatorias unidimensionales..................................
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 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 detallesTema 7. Variables Aleatorias Continuas
Presentación y Objetivos. Tema 7. Variables Aleatorias Continuas En este tema se propone el estudio de las variables aleatorias continuas más importantes, desde la más simple incrementando el grado de
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Introducción Inferencia estadística: Parte de la estadística que estudia grandes colectivos
Más detallesDefinición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números
IV. Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 1 Variable Aleatoria Continua Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo
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 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 detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
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 detallesTEMA 3: Probabilidad. Modelos. Probabilidad
TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un
Más detallesTema 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
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 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 detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesMomentos 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)
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 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 detallesSimulación. La mayoría de los procesos de simulación tiene la misma estructura básica:
Simulación La mayoría de los procesos de simulación tiene la misma estructura básica: 1 Indentificar una variable de interés y escribir un programa para simular dichos valores Generar una muestra independiente
Más detallesFORMULARIO DE DISTRIBUCIONES DE PROBABILIDAD
FORMULARIO DE DISTRIBUCIONES DE PROBABILIDAD Jorge M. Galbiati pág. DISTRIBUCION BINOMIAL 2 DISTRIBUCION POISSON 4 DISTRIBUCION HIPERGEOMETRICA 5 DISTRIBUCION GEOMETRICA 7 DISTRIBUCION NORMAL 8 DISTRIBUCION
Más detallesTEMA 2: DISTRIBUCIONES DE PROBABILIDAD
ESTADÍSTICA, CURSO 008 009 TEMA : DISTRIBUCIONES DE PROBABILIDAD LEYES DE PROBABILIDAD. SUCESOS ALEATORIOS Experimetos aleatorios, espacio muestral. Sucesos elemetales y compuestos. Suceso imposible Ø,
Más detallesDefinición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).
VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido
Más detalles