10/04/2015. Ángel Serrano Sánchez de León
|
|
- César Ramírez Navarro
- hace 5 años
- Vistas:
Transcripción
1 0/04/05 Ángel Serrano Sánchez de León
2 0/04/05 Índice Distribuciones discretas de probabilidad Discreta uniforme Binomial De Poisson Distribuciones continuas de probabilidad Continua uniforme Normal o gaussiana Univariante Bivariante Multivariante Otras distribuciones de interés (ji cuadrado) t de Student F de Fisher Snedecor Relación entre distribuciones
3 0/04/05 Introducción En este tema vamos a estudiar algunas distribuciones de probabilidades importancias por su aplicación a numerosos problemas de Estadística. Pueden ser: Discretas: función de masa (o de probabilidad) y función de distribución (probabilidad acumulada). Continuas: función densidad de probabilidad y función de distribución (probabilidad acumulada). 3 3
4 0/04/05 Distribución discreta uniforme X toma los valores,,, n. Todos los posibles valores de la variable aleatoria son igualmente probables. La función de masa es: Ejemplo: f ( ) f ( n),,,, n n Dado de n = 6 caras f() = /6 Mazo de n = 40 cartas f() ) = /40 4 4
5 0/04/05 5 Distribución discreta uniforme Valor esperado de X: n n n i f i i i i i i i n n f X E ) ( ) ( Varianza de X: n i i n i n i i i i s n n f ) ( i i i 5
6 0/04/05 6 Distribución discreta uniforme En el caso de que X tome los valores consecutivos a, a +, a +,, b, con a b. El número total de valores es: n = b a + El número total de valores es: n = b a +. b a a b f, ) ( Valor esperado: a b a b V i ) ( b a X E Varianza: ) ( a b X V 6
7 0/04/05 Distribución discreta uniforme Función de masa para una variable que toma valores entre a y b (fuente: Wikipedia) 7 7
8 0/04/05 Distribución discreta uniforme Función de distribución para una variable que toma valores entre a y b (fuente: Wikipedia) 8 8
9 0/04/05 Distribución Binomial Proceso de Bernouilli: El eperimento consiste en n ensayos repetidos. El resultado de cada uno de los ensayos puede clasificarse en éito o fracaso (ecluyentes). La probabilidad de éito, que denotaremos por p, es constante en todos los ensayos. De los n ensayos, son éitos. La probabilidad de fracaso es q = p. De los n ensayos, n son fracasos. Los df diferentes ensayos son independientes. d Ejemplo: Obtener = 40 caras de n = 00 lanzamientos de un dado (con probabilidad bilid d p = 0,5). 9 9
10 0/04/05 Distribución Binomial La función de masa da la probabilidad de que el suceso ocurra eactamente veces en n intentos: f ( ) n p q n Cada éito tiene p probabilidades de ocurrir y tenemos éitos. Cada fracaso tiene q probabilidades de ocurrir y tenemos n fracasos. El coeficiente i binomial i aparece para tener en cuenta que el orden en el que ocurren los éitos en un total de n intentos es irrelevante. Una variable X que siga esta distribución Binomial se escribe como X ~ B(n,p). 0 0
11 0/04/05 Distribución Binomial Función de masa para distintos valores de p y n (fuente: Wikipedia)
12 0/04/05 Distribución Binomial Función de distribución para distintos valores de p y n (fuente: Wikipedia)
13 0/04/05 3 Distribución Binomial Supongamos n = (un solo intento), tal que si hay éito = y si hay fracaso = 0: 0,, ) ( q p q p q p f Valor esperado: 0 ) ( ) ( f X E Varianza: 0 0 ) ( ) ( i i i p p q f X E pq p p p p p p q f i i i ) ( 0 ) ( 0 3
14 0/04/05 Distribución Binomial En el caso general para n >. Valor esperado: E ( X ) np Varianza: V ( X ) Asimetría: Simétrica si p = q. Asimétrica a la derecha si p < q. npq 4 4
15 0/04/05 Distribución de Poisson Proceso de Poisson (ley de los eventos raros): El número de resultados que ocurren en un intervalo es independiente del número que ocurre en otro intervalo disjunto. Es decir, los sucesos aparecen aleatoriamente de forma independiente (el proceso no tiene memoria). La probabilidad bilid d de que un resultado sencillo ocurra en un intervalo pequeño es proporcional a la longitud de dicho intervalo. Además dicha probabilidad permanece constante, de forma que se puede definir df un número medio de resultados por unidad de intervalo (el proceso es estable). La probabilidad de que ocurra más de un resultado en un intervalo suficientemente pequeño es despreciable. 5 5
16 0/04/05 Distribución de Poisson Sea (lambda) el número medio de sucesos por intervalo. La función de masas da la probabilidad de que se den sucesos en un proceso de Poisson con valor promedio : f e ( ) f (, ), 0,,,...! Una variable X que siga esta distribución de Poisson se escribe X ~ P(). 6 6
17 0/04/05 Distribución de Poisson Función de masa para distintos valores de (fuente: Wikipedia) 7 7
18 0/04/05 Distribución de Poisson Función de distribución para distintos valores de (fuente: Wikipedia) 8 8
19 0/04/05 Distribución de Poisson Valor esperado: E(X ) Varianza: V (X ) Aplicación: Teoría de la señal: el valor medio de la señal () tiene un error (desviación típica) igual a su raíz cuadrada. 9 9
20 0/04/05 Distribución continua uniforme Ahora la variable aleatoria continua X toma todos los valores posibles entre a y b, con a b. La función densidad d de probabilidad bilid d es: f ( ) b a, a b Ejemplo: Función rand()del lenguaje C, donde a = 0 y b =. 0 0
21 0/04/05 Distribución continua uniforme Función de densidad para una variable que toma valores entre a y b (fuente: Wikipedia)
22 0/04/05 Distribución continua uniforme Función de distribución para una variable que toma valores entre a y b (fuente: Wikipedia)
23 0/04/05 Distribución continua uniforme Valor esperado: E (X X ) a b Varianza: V (X X ) ( b a) 3 3
24 0/04/05 Distribución Normal o gaussiana La más importante en Estadística, pues describe muchos fenómenos aleatorios de la Naturaleza: distribución Normal Univariante. La función densidad de probabilidad de una variable aleatoria continua X con parámetros ( < ) y (>0) viene dada d por: f ( ) ( ) N (, ) ep, Se epresa también como: X ~ N(,) 4 4
25 0/04/05 Distribución Normal o gaussiana Función de densidad para distintos valores de y (fuente: Wikipedia) 5 5
26 0/04/05 Distribución Normal o gaussiana Función de distribución para distintos valores de y (fuente: Wikipedia) 6 6
27 0/04/05 Distribución Normal o gaussiana Valor esperado: E(X ) Varianza: V ( X ) 7 7
28 0/04/05 8 Distribución Normal o gaussiana 0,9545 ) ( 0,687 ) ( X P X P 0,9973 ) 3 3 ( X P 8
29 0/04/05 Distribución Normal tipificada Hagamos el cambio de variable: Z X La distribución de Z se llama tipificada o normal estándar, porque tiene media 0 y desviación típica. f ( z) N(0,) ep z, z 9 9
30 0/04/05 Distribución Normal tipificada 30 30
31 0/04/05 Distribución Normal tipificada Área Función de distribución para la distribución normal tipificada El área bajo la curva medida en la cola izquierda hasta z= 3,53 vale 0,
32 0/04/05 Distribución Normal Bivariante Tenemos ahora dos variables (X,Y) que siguen una distribución Normal Bivariante (gaussiana D). f (, y) ( ) ( )( y y ) ( y ) y ep ( ) y y y Propiedades: E(X) = E(Y) = E(Y) y Var(X) = Var(Y) = y Cov(X,Y) = y, donded = correlación lineal l entre X e Y 3 3
33 0/04/05 Distribución Normal Bivariante = 0 y = 0 = y = =
34 0/04/05 Distribución Normal Bivariante = 0 y = 0 = y = = 0,
35 0/04/05 35 Distribución Normal Multivariante Para n variables que siguen conjuntamente una distribución normal: D d f T n n n ep ),..., ( Donde: es el vector columna con las n variables. es el vector columna con las n medias. es la matriz de covarianza. es la operación determinante de una matriz. T es la operación matriz transpuesta n n n n T es la operación matriz transpuesta. 35 n n n
36 0/04/05 Otras distribuciones de interés Para el tema de Inferencia Estadística, son necesarias las siguientes distribuciones de probabilidad: (ji cuadrado) d t de Student F de Fisher Snedecor 36 36
37 0/04/05 Distribución (ji cuadrado) Sean k variables aleatorias independientes, Z, Z,, Z k, cada una de las cuales sigue una distribución N(0,). Definimos una nueva variable aleatoria llamada Y como la suma de los cuadrados: d Y k i Z i La variable Y sigue una distribución de probabilidad ji cuadrado (en libros mal traducidos del inglés llamada chi cuadrado). Debida a Friedriech Helmert y Karl Pearson. Se dice que tiene k grados de libertad, siendo k > 0 un número entero que corresponde a cuántas variables independientes di se han considerado. d 37 37
38 0/04/05 Distribución (ji cuadrado) Distribución continua, definida para 0, que toma valores y 0 y solo definida para k > 0 y entero. Función de densidad: f k k e k ( ) k 0 Donde (z) es una función especial en Matemáticas, llamada Función Gamma, generalización del factorial para los números complejos. ( n ) ( n )!, si n N, n 0 ( z) 0 t z e t dt, si z C si resto 0 y no es un entero negativo, ( z ) z( z) 38 38
39 0/04/05 Distribución (ji cuadrado) Función de densidad para la distribución k (fuente: Wikipedia) 39 39
40 0/04/05 Distribución (ji cuadrado) Función de distribución para la distribución k (fuente: Wikipedia) 40 40
41 0/04/05 Distribución (ji cuadrado) Propiedades de una variable Y ~ k: E(Y) = k Var(Y) =k Asimetría = 8 k 0 (cola hacia la derecha). En los libros suele venir tabulado el valor de por encima del cual el área bajo la función de densidad toma un valor concreto (función cuartil medida en la cola derecha). Y ~ k, P ( y, k ) Q (, k) k ) 4 4
42 0/04/05 Distribución (ji cuadrado) Función cuartil medida en la cola derecha para la distribución según el área y los grados de libertad k,k k Para k = 8 grados de libertad, el área bajo la cola derecha de la curva a partir de = 5,5 vale = 0,05 (es decir, el 5% del área total bajo la curva) 4 4
43 0/04/05 Distribución t de Student Debida a William Gosset, que firmaba sus trabajos anónimamente como Student. Sea Z una variable normal estándar, Z ~ N(0,). Sea Y una variable que sigue una distribución ji cuadrado con k grados de libertad, Y ~ k. Z e Y son independientes di entre sí. Definimos la variable aleatoria T: Z T Y k T sigue una distribución t de Student con k grados de libertad, k >
44 0/04/05 Distribución t de Student Distribución continua. Función de densidad: k f ( t) k k t k La distribución t de Student es más baja que la Normal en torno al valor medio cero. Si X ~ t k : E(X) = 0 Var(X) = k/(k ), para k > Asimetría = 0 k, t 44 44
45 0/04/05 Distribución t de Student Función de densidad para la distribución t para varios grados de libertad k (fuente: Wikipedia) 45 45
46 0/04/05 Distribución t de Student Función de distribución para la distribución t para varios grados de libertad k (fuente: Wikipedia) 46 46
47 0/04/05 Distribución t de Student Función cuartil medida en la cola derecha para la distribución t de Student según el área y los grados de libertad k t,k k Para k = 5 grados de libertad, el área bajo la cola derecha de la curva a partir de t = 3,365 vale = 0,0 (es decir, el % del área total bajo la curva) 47 47
48 0/04/05 Distribución F Debida a R.A. Fisher y G.W. Snedecor. Sean dos variables aleatorias X e Y, independientes entre sí, donde d X ~ k e Y ~ k. Definimos la variable aleatoria F como: X k F Y k Et Esta variable ibl sigue una distribución ib ió F de Fisher Snedecor con k y k grados de libertad (ambos enteros positivos)
49 0/04/05 Distribución F Distribución continua. k k k k k k k Función de densidad: f ( ), 0 k k k k k k Valor esperado: k E( X ), para k k k k ( k ( k k 4)( k ) ) V Varianza: ( X ), para k 4 Si X ~ F, entonces Y = k,k X ~ F k,k Las abcisas que abarcan igual área bajo la curva en cada cola, al intercambiar los grados de libertad, son inversas. F, k, k F, k, k 49 49
50 0/04/05 Distribución F Función de densidad para la distribución F para varios grados de libertad d y d (fuente: Wikipedia) 50 50
51 0/04/05 Distribución F Función de distribución para la distribución F para varios grados de libertad d y d (fuente: Wikipedia) 5 5
52 0/04/05 Distribución F f, k, k Función cuartil medida en la cola derecha para la distribución F según el área (en este caso 0,5) y los grados de libertad k (numerador) y k (denominador) k k Para k = 0 y k = 7 grados de libertad, el área bajo la cola derecha de la curva a partir de =,69 vale = 0,5 (es decir, el 5% del área total bajo la curva) 5 5
53 0/04/05 Relación entre distribuciones Distribución Aproimación Condición Condición práctica Binomial n np > 5, si p 0,5 Normal B( n, p ) ~ N np, npq nq > 5, si p > 0,5 Binomial Poisson B( n, p) ~ P( np) n, p 0, q (suceso raro) n 50 y np < 5 Poisson Normal > 5 P( ) ~ N, Normal k k 30 χ ~ N( k, k ) k t de Student Normal t k ~ N(0,) k k
54 0/04/05 Corrección de continuidad Las distribuciones Binomial y de Poisson son para variables discretas. La distribución ib ió Normal es para variables ibl continuas. Precaución a la hora de aplicar la aproimación Normal. Variable original Aproimación X X Discreta Binomial o de Poisson Continua Normal 54 54
55 0/04/05 Corrección de continuidad X X P ( X ) P ( 0,5 X ' 0,5) 55 55
56 0/04/05 Corrección de continuidad X X P ( X ) P ( X ' 0,5) 56 56
57 0/04/05 Corrección de continuidad X X P ( X ) P ( X ' 0,5) 57 57
ESTADÍSTICA I. Unidad 4: Resumen de Contenidos Teóricos 1. Mariano Lanza DISTRIBUCIONES DE PROBABILIDAD COMÚNMENTE UTILIZADAS
ESTADÍSTICA I Unidad 4: Resumen de Contenidos Teóricos Mariano Lanza DISTRIBUCIONES DE PROBABILIDAD COMÚNMENTE UTILIZADAS. VARIABLES ALEATORIAS DISCRETAS. Distribución Binomial Definición previa: Prueba
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 011 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
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 detallesPart VI. Distribuciones notables. Estadística I. Mario Francisco. Principales distribuciones unidimensionales. discretas. Principales distribuciones
Part VI notables El proceso de Bernoulli En cada observación se clasifica el elemento de la población en una de las dos posibles categorías, correspondientes a la ocurrencia o no de un suceso. Llamaremos
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 detallesDistribuciones habituales
Distribuciones habituales Tema 5 Eponencial Ignacio Cascos Depto. Estadística, Univerdad Carlos III 1 Ignacio Cascos Depto. Estadística, Univerdad Carlos III 2 Objetivos Adquirir soltura con el manejo
Más detallesTEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...
TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones
Más detallesC L A S E N 5 I N S E M E S T R E O T O Ñ O,
Unidad 1 a. Probabilidades y Estadística 1 C L A S E N 5 I N 3 4 0 1 S E M E S T R E O T O Ñ O, 2 0 1 2 Características de las v.a 2 Parámetros v.a. La función de densidad o la distribución de probabilidad
Más detallesModelos de distribuciones discretas y continuas
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas
Más detallesPercentiles. El percentil p de una variable aleatoria X es número más pequeño, que denominaremos x u que cumple:
Percentiles 130 El percentil p de una variable aleatoria X es número más pequeño, que denominaremos x u que cumple: el percentil es, por tanto, el valor de la variable aleatoria para el cual la función
Más detallesTema 4. MODELOS DE DISTRIBUCIONES DISCRETOS.
Estadística Tema 4 Curso /7 Tema 4. MODELOS DE DISTRIBUCIONES DISCRETOS. Objetivos Conceptos: Conocer los siguientes modelos discretos de probabilidad: uniforme, binomial, geométrico y Poisson. De cada
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
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 detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detalles(DERIVADAS DE LA NORMAL)
DISTRIBUCIÓN NORMAL MULTIVARIANTE (DERIVADAS DE LA NORMAL) INTRODUCCIÓN PROPIEDADES LINEALIDAD DISTRIBUCIONES DERIVADAS DE LA NORMAL χ 2 DE PEARSON t DE STUDENT F DE SNEDECOR DISTRIBUCIÓN NORMAL MULTIVARIANTE
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 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 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 detallesI TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 7: Distribuciones continuas de probabilidad
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 7: Distribuciones continuas de probabilidad 1.- Una variable aleatoria que sigue una distribución normal: A) tiene de media cero y una desviación típica de uno. B)
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
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 detallesCAPÍTULO 5 DISTRIBUCIONES TEÓRICAS
CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS Hugo Grisales Romero Profesor titular CONCEPTOS BÁSICOS Experimento: Variable aleatoria: Clasificación: Proceso por medio del cual una medición se obtiene. Aquella que
Más detallesDistribuciones de probabilidad discretas. Características y tratamiento. La distribución binomial y la de Poisson. Aplicaciones
Tema 65 Distribuciones de probabilidad discretas. Características y tratamiento. La distribución binomial y la de oisson. Aplicaciones 65.1 Conceptos básicos en Teoría de la robabilidad Sea un conjunto
Más detallesPROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA
UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
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 detallesVariables Aleatorias y Principios de Simulación.
Variables Aleatorias y Principios de Simulación http://humberto-r-alvarez-a.webs.com Conceptos de probabilidad La Teoría de Probabilidad trata fenómenos que pueden ser modelados por experimentos cuyos
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 detallesDISTRIBUCIONES CONTINUAS INFERENCIA ESTADISTICA LIC. MIGUEL CANO.
DISTRIBUCIONES CONTINUAS INFERENCIA ESTADISTICA LIC. MIGUEL CANO. En esta sección se estudian las distribuciones más importantes de las variables aleatorias continuas unidimensionales. Algunas distribuciones
Más detallesUniversidad Técnica de Babahoyo DISTRIBUCIONES DE PROBABILIDAD
Universidad Técnica de Babahoyo DISTRIBUCIONES DE PROBABILIDAD Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 Variable aleatoria El resultado de un experimento aleatorio puede ser descrito en ocasiones
Más detallesMétodos Matemá6cos en la Ingeniería Tema 8. Distribuciones comunes
Métodos Matemá6cos en la Ingeniería Tema 8. Distribuciones comunes Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
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 detallesResumen teórico de los principales conceptos estadísticos
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 6: Distribuciones estadísticas teóricas Resumen teórico Resumen teórico de los principales conceptos estadísticos
Más detalles1. La distribución ji-cuadrada. La distribución ji-cuadrada surge de la suma de normales estándar al cuadrado, su definición formal es la siguiente:
DISTRIBUCIONES DERIVADAS DE LA NORMAL Son tres distribuciones derivadas de la normal, las cuales se aplican es estadística inferencial para modelas las distribuciones en el muestreo. Estas distribuciones
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 detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 4. Distribuciones comunes
Estadís5ca Tema 4. Distribuciones comunes María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica
Más detallesModelos de distribuciones discretas y continuas
Tema 6 Modelos de distribuciones discretas y continuas 6.1. Modelos de distribuciones discretas 6.1.1. Distribución uniforme sobre n puntos Definición 6.1.2 Se dice que una v.a. X sigue una distribución
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 detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
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 3: Cálculo de Probabilidades Unidad 4: Algunas Distribuciones Notables de Variables Aleatorias
Estadística Tema 3: Cálculo de Probabilidades Unidad 4: Algunas Distribuciones Notables de Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010
Más 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 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 detallesDistribuciones de probabilidad
Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E un número real: X: E Ejemplo: Consideremos el experimento
Más detallesEstadísticas y distribuciones de muestreo
Estadísticas y distribuciones de muestreo D I A N A D E L P I L A R C O B O S D E L A N G E L 7/11/011 Estadísticas Una estadística es cualquier función de las observaciones en una muestra aleatoria que
Más detalles( ) DISTRIBUCIÓN UNIFORME (o rectangular) 1 b a. para x > b DISTRIBUCIÓN DE CAUCHY. x ) DISTRIBUCIÓN EXPONENCIAL. α α 2 DISTRIBUCIÓN DE LAPLACE
Estudiamos algunos ejemplos de distribuciones de variables aleatorias continuas. De ellas merecen especial mención las derivadas de la distribución normal (χ, t de Student y F de Snedecor), por su importancia
Más detallesTema 3. Tema 3 La Distribución Normal y los Puntajes Estándar. Profa. María Fátima Dos Santos
Tema 3 Tema 3 La Distribución Normal y los Puntajes Estándar Profa. María Fátima Dos Santos 1 TEMARIO Concepto de distribución. Algunas distribuciones. Distribución normal. Características Distribución
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 detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
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 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 detallesÍNDICE 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.
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 detallesEstadística LTA - Principios de estadística 2017
Estadística Probabilidad Experimento: Desde el punto de vista de probabilidades será "cualquier acto que pueda repetirse en igualdad de condiciones". Ej. Arrojar una vez un dado. Espacio Muestral: Es el
Más detallesDistribuciones de probabilidad Discretas
Distribuciones de probabilidad Discretas Distribución Uniforme Discreta Definición Una variable aleatoria X, tiene una distribución uniforme discreta, si cada uno de los valores x 1, x 2,.. x n, tiene
Más detallesCapítulo 2. Medidas Estadísticas Básicas Medidas estadísticas poblacionales
Capítulo 2 Medidas Estadísticas Básicas 2.1. Medidas estadísticas poblacionales Sea X una variable aleatoria con función de probabilidad p(x) si es discreta, o función de densidad f(x) si es continua.
Más detalles25/04/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índice Distribución Uniforme Continua Distribución Uniforme Discreta Distribución Binomial Distribución de Poisson Distribución Normal Unidimensional Bivariante 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 detallesETSI de Topografía, Geodesia y Cartografía
Disttool Es una herramienta de MATLAB que permite visualizar de forma gráfica las características de cada distribución con la posibilidad de variar sus parámetros. Las funciones que muestra son: Función
Más detallesEstadística Los parámetros estadísticos más usuales son: Media aritmética
Estadística Los parámetros estadísticos más usuales son: mean(x) Media aritmética mode(x) Moda median(x) Mediana std(x) Desviación típica muestral var(x) Varianza muestral prctile(x,p) Percentil de orden
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 detallesUnidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.
Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,
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 detallesTeórica básica. Incluimos. - Temas
Teórica básica Incluimos - Temas 1 - Tema 1: Fenómenos aleatorios. Conceptos de probabilidad. Propiedades. Independencia de sucesos. Teorema de Bayes. - Tema 2: Variables aleatorias. Variables discretas.
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 detallesDistribuciones de probabilidad II
II Facultad de Estudios Superiores Acatlán Licenciatura en Economía 20 de abril 2017 José A. Huitrón Mendoza Distribuciones de probabilidad de Poisson Enmarca el estudio de una variable aleatoria discreta
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesTema 3: VARIABLES ALEATORIAS
Tema 3: VARIABLES ALEATORIAS Introducción En el tema anterior hemos modelizado el comportamiento de los experimentos aleatorios. Los resultados de un experimento aleatorio pueden ser de cualquier naturaleza,
Más detallescontablemente infinito.
III. Variables aleatorias Discretas y sus Distribuciones de Probabilidad 1 Variable aleatoria discreta Definición Una variable aleatoria se llama discreta si se puede contar su conjunto de resultados posibles.
Más detalles4. 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
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. Grado en Biología. Universidad de Alcalá. Curso Capítulo 4: Variables Aleatorias. Fernando San Segundo. Actualizado:
Grado en Biología. Universidad de Alcalá. Curso 2017-18. Fernando San Segundo. Actualizado: 2017-10-16 Fernando San Segundo. Actualizado: 2017-10-16 1 Qué es una variable aleatoria? Pronto veremos una
Más detallesAnálisis de Datos en Física de Partículas
Análisis de Datos en Física de Partículas Sección de Posgrado Facultad de Ciencias Universidad Nacional de Ingeniería C. Javier Solano jsolano@uni.edu.pe http://compinformatidf.wordpress.com/ Página del
Más detallesCátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS
Cátedra: TABLA DE CONTENIDOS INTRODUCCIÓN Qué es la Probabilidad? Qué es la Estadística? La evolución histórica de la Estadística Algunos conceptos imprescindibles Fuentes de datos Tipos de datos y escalas
Más detallesDistribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Más detalles1 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
Más detallesEstadística con. Práctica 3: Probabilidad. Introducción. 1. Modelos discretos. M. Iniesta Universidad de Murcia
Estadística con Práctica 3: Probabilidad Introducción En esta práctica vamos a tratar con los modelos de probabilidad más comunes, puesto que ellos pueden describir la mayoría de situaciones eperimentales.
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 detallesSOLUCIONES AL EXAMEN DE SEPTIEMBRE DE ESTADÍSTICA EXAMEN DE MATEMÁTICAS II
SOLUCIONES AL EXAMEN DE SEPTIEMBRE DE 4. ESTADÍSTICA EXAMEN DE MATEMÁTICAS II Estadística (primer parcial). Septiembre de 4.- El coeficiente de determinación R nos determina a) el % de la varianza de Y
Más 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 6. Distribuciones
TEMA 6. Distribuciones Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 6. Distribuciones 1 / 16 Probabilidad= Distribución= Distribución de Probabilidad Cuando queremos conocer
Más detallesIntroducción al Tema 8. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones.
Introducción al Tema 8 1 Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. V.A. de uso frecuente Tema 7. Modelos probabiĺısticos discretos
Más detallesTema 6: Modelos probabilísticos
Tema 6: 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 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 detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesBiometría. Distribuciones de probabilidad para variables aleatorias continuas
Biometría Distribuciones de probabilidad para variables aleatorias continuas Variables aleatorias continuas Interesa estudiar la temperatura ambiente a las 12 hs en abril en la ciudad de Buenos Aires.
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
Más detallesModelos probabilísticos
Modelos probabilísticos Variables aleatorias continuas Carlos Gamero Burón José Luis Iranzo Acosta Departamento de Economía Aplicada Universidad de Málaga Parcialmente financiado a través del PIE3-4 (UMA)
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 detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)
TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar
Más detallesSumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares... 9 Objetivos de la Unidad... 11 1. Población y muestra... 12 2. Parámetro
Más detalles