Probabilidad para una V.A. Continua. P( a X b) = f ( x)
|
|
- Gustavo Mariano Barbero Hidalgo
- hace 5 años
- Vistas:
Transcripción
1 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 X se dice continua si su conjunto de valores posibles es un continuo de valores (es decir, un intervalo de números reales). Para a < b números reales, entonces es posible cualquier número x entre a y b). Estd. Pedmath. V.A.C 1 Estd. Pedmath. V.A.C Función Densidad de Probabilidad Una v.a. X se dice que tiene función densidad de probabilidad, si existe la derivada F(x)/dx = f(x) para todo x (salvo posiblemente en un número finito). f(x) se llama brevemente densidad. 1. f (x) > para todo valor de x.. - f ( x ) dx = 1 Area = 1 Sea X una v.a.c. Entonces una función de densidad de probabilidad de X es una función f (x) tal que para dos números cualesquiera a y b, b a X b) = dx a El gráfico de f es la curva de densidad. y = Estd. Pedmath. V.A.C 3 a b Estd. Pedmath. V.A.C 4 Probabilidad para una V.A. Continua Si X es una v.a.c, entonces para cualquier número c, x = c) =. Para dos números cualesquiera a y b con a < b, a X b) = a < X b) = a X < b) = a < X < b) Diferencias importantes entre cuantías y densidades Y, una v.a.d. con cuantía f(y) X, una v.a.c. con densidad f(x); f(y)=y = k) = la probabilidad que el suceso sea k. f(x) es una función particular con la propiedad que para cualquier suceso A = (a,b), A) es la integral de f sobre A A) = A X = k) = dx = k k b a dx dx = Estd. Pedmath. V.A.C 5 Estd. Pedmath. V.A.C 6 1
2 Ej 1. (4.1) X = cantidad de tiempo en el cual un libro de la reserva limitada a horas en la biblioteca de una universidad es chequeado por la selección al azar de estudiante y supongamos que X tiene como función de densidad.5x x = otherwise a. x 1) = dx =.5 xdx = x =.5 4 b..5 x 1.5) = c. P xdx =.5 ( x > 1.5) =.5 xdx = Estd. Pedmath. V.A.C 7 Distribución Uniforme Una v.a.c. X se dice que tiene distribución uniforme en el intervalo [a, b], escrito X ~ U (a,b) si la densidad de X es 1 a x b f ( x; a, b) = b a otherwise Tov Estd. Pedmath. V.A.C 8 Ej. X ~ U (a, b) a) Given b > a, f (x) b b 1 x b 1 b) dx = dx = = ( b a) = 1 a a b a b a a b a Let X ~ U (, 1) X<.5) =.5.1<x<.9 ) = =.8 X >.35) = 1 X<.35) = =.65 a<x<b) = (b a) Distribución Exponencial X ~ Exp( λ) X se dice que tiene distribución exponencia si para algún λ >, 1 = e λ x λ x > x < Estd. Pedmath. V.A.C 9 Estd. Pedmath. V.A.C 1 Ej 3. Considemos un fabricante de ampolletas que tienen una esperanza de vida media de 3 horas. Se garantiza el reembolso del dinero si la ampolleta falla antes de 3 horas. Qué proporción de las ventas de la compañía se podría ocupar si se necesita hacer reembolsos de dinero? Sea X = tiempo que la ampolleta permanece operable, entonces el objetivo es encontrar X<3) 1 x / 3 X ~ Exp( λ) λ = 3, = e 3 X e u 3 1 < 3) = e 3.1 = =.1 x 3 dx =.1 u e du Estd. Pedmath. V.A.C Funciones de Distribución Acumulativas y Valores Esperados La función de distribución acumulada, F(x) para una v.a.c., X, también se puede escribir, para todo número x, como ( ) x F( x) P X x f ( y) dy = = Estd. Pedmath. V.A.C 1
3 Uso de F(x) para Calcular Probabilidades Sea X be una v.a.c. con densidad f(x) y distribución F(x). Entonces para cualquier número a, X > a) = 1 F( a) Y para dos números cualesquiera a y b con a < b, Función de Distribución Acumulada Suceso Probabilidad concerniente del suceso en a X términos de X Suceso concerniente a X Probabilidad del suceso en términos de X a X b) = F( b) F( a) Estd. Pedmath. V.A.C 13 Estd. Pedmath. V.A.C 14 Valor Esperado El valor esperado o valor medio de una una v.a.c. X con densidad f (x) es ( ) ( ) µ X = E X = x f x dx Cuando existe la integral Estd. Pedmath. V.A.C 15 * Valor esperado de h(x)* Si X es v.a.c. con densidad f(x) y h(x) es cualquier función de X, entonces [ ] µ h( X ) E h( x) = = h( x) dx f es la densidad de X Estd. Pedmath. V.A.C 16 Varianza y Desviación Estándar La varianza de una v.a.c. X con densidad f(x) y media µ es σ X = V ( x) = ( x µ ) dx ( ) = E[ X µ ] La desviación estándar es σ = V ( x). ( ) [ ] V ( X ) = E X E( X ) X Fórmula de Cálculo Estd. Pedmath. V.A.C 17 Mediana de una Distribución La mediana, de una distribución contínua denotada µ%, es el percentil 5 avo. Así µ% satisface.5 = F ( % µ ). Es decir, la mitad del área bajo la curva de densidad está a la izquierda de µ%. Estd. Pedmath. V.A.C 18 3
4 Percentiles Sea p un número entre y 1. El percentil (1p) avo de la distribución de una v.a.c. X denotado por η( p), está definido por Distribución uniforme continua 1 =, a < x < b y tov b - a ( η ) η ( p) p F ( p) f ( y) dy = = Estd. Pedmath. V.A.C 19 Estd. Pedmath. V.A.C Ej 4. X ~ U (a,b), EX, Var(X)? 1 =, X ( a, b) b a b b x x b 1 EX = x dx = dx ( b a = = a b a ( b a) a ( b a) EX = ( a + b) / = b a = ( a x dx = + ab + b ) / 3 Var = EX ( EX ) = x x b dx = b a 3( b a) a ( a b) b a a ) Estd. Pedmath. V.A.C y Ubicación de 1 puntos aleatoriamente en un cuadrado x y <- runif(1,, 5) runif(1,, 5) Estd. Pedmath. V.A.C Estd. Pedmath. V.A.C 3 Estd. Pedmath. V.A.C 4 4
5 Estd. Pedmath. V.A.C 5 Estd. Pedmath. V.A.C 6 Ej 5. X ~ Exp( λ) EX, Var(X)? 1 x/ λ = e, X >, λ > λ 1 x / λ EX = x dx = λ x e dx = λ 1 x / λ EX = x dx = = λ x e dx λ Var = EX ( EX ) = λ Ej 6. Para personas infectadas con cierta forma de malaria, el tiempo X que permanecen en remisiones está descrito por la siguiente densidad, 1 = x, 9 x 3 Cuál es el tiempo promedio que tales pacientes permanecen en remisión? x 3 EX = x dx = x x dx = =. 5 años years 9 36 Estd. Pedmath. V.A.C 7 Estd. Pedmath. V.A.C 8 Ej 6 (Cont.). X =Tiempo en remisión, y 1 = x, x 3 9 Cuál es la probabilidad que un paciente de malaria permanezca en remisión durante todo un año? ( > 3 1) = x P X x dx = = (7 1) 96.9% Obtención de f(x) a partir de F(x) Si X es una v.a.c. con densidad f(x) distribución F(x), entonces para todo número para el cual la derivada es F ( x) =. Estd. Pedmath. V.A.C 9 Estd. Pedmath. V.A.C 3 5
6 Ej 7.Una v.a.c. X tiene la función de distribución que se muestra abajo, encontrar la correspondiente densidad 1/ < X 3/ 4) x < x < F( x) = x x < 1 = F( x)' = x x < 1 1 x 1 x Método Method 1: 1: < x ) = F( ) F( ) = = / 4 3/ 4 5 Método Method: : < x ) = = = 4 xdx x 1/ 1/ 16 Estd. Pedmath. V.A.C 31 Ej 8. X =tiempo de remisión, y 1 = x, x 3 9 µ = EX =. 5 años µ ~? 3 m 1 m 1 X < µ ) = x dx = = o 9 7 ~ 7 µ = 3 =.38 años asimetría izquierda Estd. Pedmath. V.A.C Distribución Normal Distribución Normal Estándar Una v.a.c. Z, se dice que tiene una distribución (,1) normal estándar, escrito X ~ N si su densidad, para - < z <, es x Área sombreada Φ( z) f ( z ) = e π La Distribución es z x Φ ( z ) = e dx Tema 4. VAC Prof. Heriberto Figueroa S. Estd. Pedmath. V.A.C 33 - π z a. Distribución Normal Estándar Sea Z la distribución normal estándar. Encuentre (de la tabla) Z.85) Área a la izquierda de.85 =.83 b. Z > 1.3) = 1 Z 1.3) =.934 c..1 Z 1.78) = Z 1.78) Z.1) = =.9446 Estd. Pedmath. V.A.C 34 Distribución normal estándar Ej 9. Sea Z variable normal estándar. Encuentre (de la tabla) a. Z 1.5) = Φ(1.5) =.8944 b. Z > 1.5) = 1 Φ(1.5) = =.156 c. Z 1.5) =Φ( 1.5) =.156= Z > 1.5) d. Z > 1.5) = 1 Φ( 1.5) =.8944= Z 1.5) e..1 Z 1.78) Encontrar el área a la izquierda de 1.78 y se sustrae enseguida el área a la izquierda de.1. = Z 1.78) Z.1) = =.9446 Estd. Pedmath. V.A.C 35 Estd. Pedmath. V.A.C 36 6
7 z α Notación z α denotará el valor sobre el eje de medición para el cual el área bajo la curva z está a la derecha de z α. Área sombreada = Z z α ) = α z α Estd. Pedmath. V.A.C 37 Ej. Sea Z una variable normal estándar. Encuentre z si. Z < z) =.978. Mire la tabla y encuentre una entrada =.978 entonces lea hacia atrás para encontrar el valor pedido z = b. z < Z < z) =.813 z < Z < z ) = < Z < z) z < Z ) =.966 = [z < Z ) ½] = z < Z ) 1 =.813 z = 1.3 Estd. Pedmath. V.A.C 38 Ej 11.( z α y percentil). Denotemos por z α al valor de Z para el cual Z zα ) = α Por definición, de rango intercuartílico (IQR), para la curva normal estándar es la diferencia de Q = z z.5.75 Encuentre Q. Q = z.5 z.75 =.67 (.67) = Distribución Normal Una v.a.c. X se dice que tiene distribución normal con parámetros -< µ <, σ >, Si la densidad f está dada por 1 ( x µ ) /( σ ) = e < x < σ π Estd. Pedmath. V.A.C 39 Estd. Pedmath. V.A.C 4 Curva Normal Porcentaje aproximado de área dentro de desviaciones estándar dadas (regla empírica). 99.7% 95% 68% Estd. Pedmath. V.A.C 41 Estd. Pedmath. V.A.C 4 7
8 Estd. Pedmath. V.A.C 43 Estd. Pedmath. V.A.C 44 Tabla Estd. Pedmath. V.A.C 45 Estd. Pedmath. V.A.C 46 Estd. Pedmath. V.A.C 47 Estd. Pedmath. V.A.C 48 8
9 Distribuciones Normales No Estándar Si X tiene distribución normal con media µ y desviación estándar σ, entonces Z = X µ σ Tiene distribución normal estándar Estd. Pedmath. V.A.C 49 Estd. Pedmath. V.A.C 5 Ej. Sea X una variable aleatoria normal con µ = 8 and y σ =. Encuentre Find X 65) P ( X 65) = P Z (.75) = P Z =.66 Características de las curvas normales Simétrica y con forma de campana. Probabilidad que un valor esté dentro de k desviaciones estándar de la media. Localización y forma caracterizada completamente por medio de la media y la desviación estándar. Estd. Pedmath. V.A.C 51 Estd. Pedmath. V.A.C 5 Ej. Una peste particular ha surgido en una escuela primaria. Se ha determinado que el tiempo de permanencia de la peste tiene distribución normal con µ = 6 días y σ =1. 5 días Encontrar la probabilidad que para un estudiante seleccionado al azar, la peste le durará entre 3.75 y 9 días X 9) = P Z = P 1.5 Z = =.914 ( ) Percentiles de una distribución normal arbitraria (1p) avo percentil = de normal + (1p) avo percentil de normal estándar µ σ Estd. Pedmath. V.A.C 53 Estd. Pedmath. V.A.C 54 9
10 Z score X µ X ~ N( µ, σ ), Z = ~ N(,1) σ a µ X µ b µ a X b) = P σ σ σ a µ b µ b µ a µ = P Z = Φ Φ σ σ σ σ X µ a µ a µ a µ X a) = P = P Z = Φ σ σ σ σ X µ b µ b µ X b) = 1 X < b) = 1 P = P Z σ σ σ a µ = Φ σ Estd. Pedmath. V.A.C 55 Ej 14. Una persona será considerada como DUI si la concentración de alcohol en la sangre, X, es.1%. Aunque los analizadores del aliento usados para este propósito son notablemente precisos, las máquinas muestran una cierta cantidad de error de medición. Repitiendo las mediciones con al analizador de aliento (X) tomadas en una misma persona produce una distribución de las respuestas que se puede describir mediante una densidad normal con μ = Concentración verdadera el alcohol en la sangre de una persona σ =.4%. Cuales son las oportunidades que una persona sea incorrectamente boleteada con una multa por DUI, si esta persona tiene una concentración verdadera de.95%? Estd. Pedmath. V.A.C 56 X ~ N(.95,.4 ) Percentiles de una Distribución Normal Arbitraria arresto DUI ) = X.1) X = P.4.4 = Z 1.5) = 1 Z < 1.5) = 1 Φ(1.5) = =.156 z α es el 1(1 α) normal estándar (1p) avo percentil de normal X ~N( µ, σ ) avo percentil de la distribución X µ Z = = z σ α = µ + zασ Estd. Pedmath. V.A.C 57 Estd. Pedmath. V.A.C 58 Ej 14. Mensa es una socieda internacional dedicada a fines intelectuales. Cualquier persona con un IQ en el % superior de la población general es elegible para unírseles. Cuánto es el menor IQ que calificaría a una persona para pertenecer a la sociadad? Suponga que los IQ tienen distribución normal con µ = 1 and y σ =16 Así, X = valor de IQ, X ~ N(1, 56) X x ) =. ó X < x ) =.98 l X 1 xl 1 xl 1 X < xl ) = P < = P Z < = Z <.5) = Z < z ) = xl 1 Así =.5 xl 16 = = 133 l Estd. Pedmath. V.A.C 59 Aproximación Normal para la Distribución Binomial Sea X una v.a.d. binomial basada en n ensayos, cada uno con una probabilidad p de ocurrencia. Si el histograma de probabilidad binomial no es muy asimétrico ( µ = np and y σ = npq. ), entonces X se puede aproximar por una distribución normal con x +.5 np X x) Φ npq Estd. Pedmath. V.A.C 6 1
11 Continuity correction c Y d) d ) c f ( x dx Reemplazando los límites c y d por c 1/ y d + 1/ se llama corrección por continuidad. Es lo apropiado para cualquier distribución de probabilidad discreta está siendo aproximada por un área bajo la curva. Estd. Pedmath. V.A.C 61 Detalle de la Aproximación de la Normal a la Distribución Binomial X ~ Bin (n, p), donde np>1 ó nq>1, entonces X x) = X x +.5) = P X np x +.5 np np(1 p) np(1 p) x +.5 np x +.5 np P Z = Φ np(1 p) np(1 p) Estd. Pedmath. V.A.C 6 Estd. Pedmath. V.A.C 63 Estd. Pedmath. V.A.C 64 Estd. Pedmath. V.A.C 65 Estd. Pedmath. V.A.C 66 11
12 Comparación de binomiales normalizadas para p = 1/3 y n = 5,, 5,. 1, 5, 1 y 5. Estd. Pedmath. V.A.C 67 Estd. Pedmath. V.A.C 68 Estd. Pedmath. V.A.C 69 Estd. Pedmath. V.A.C 7 Estd. Pedmath. V.A.C 71 Estd. Pedmath. V.A.C 7 1
13 Estd. Pedmath. V.A.C 73 Estd. Pedmath. V.A.C 74 Estd. Pedmath. V.A.C 75 Estd. Pedmath. V.A.C 76 Estd. Pedmath. V.A.C 77 Estd. Pedmath. V.A.C 78 13
14 Ej. En un pequeño colegio particular la tasa de aprobación es 7% en Algebra. Si 5 estudiantes se matriculan en un semestre determinado en el curso, determine la probabilidad de que al menos 375 de los estudiantes pasen. µ = np = 5(.7) = 36 σ = npq = 5(.7)(.8) X 375) Φ = Φ(1.55) 1 Regla del Cualquier v. a. normal µ 1 σ < X < µ + 1 σ ) = 1< Z < 1) = 68% µ σ < X < µ + σ ) = < Z < ) = 95% =.9394 X ~ N( µ, σ ), Z ~ N(, 1) µ 3 σ < X < µ + 3 σ ) = 3 < Z < 3) = 99.7% Estd. Pedmath. V.A.C 79 Estd. Pedmath. V.A.C 8 Distribución Exponencial Una v.a.c. X tiene una distribución exponencial con parámetros si su densidad es λ λe f ( x; λ) = λx x De otherwise otro modo 4.4. La Distribución Gamma y sus Relacionadas La función Gamma La función gamma Γ α ( ) α 1 x Γ ( α) = x e dx se define como Para α > Note que; α -1 - x α -1 - x α -1 - x α - - x Γ( α ) = x e dx = - x de = -{[x e ] - ( α - 1) x e dx} α - - x = ( α - 1) x e dx = ( α 1) Γ( α - 1). Si α n (un entero positivo), entonces Γ( α ) = ( α - 1)! Estd. Pedmath. V.A.C 81 Estd. Pedmath. V.A.C 8 Distribución Gamma Una v.a.c X tiene distribución gamma si su densidad es 1 α 1 x / β x e x α f ( x; α, β ) = β Γ( α) Tovotherwise Media y Varianza La media y la varianza de una v.a.c. X que tiene distribución Gamma son E( X ) = µ = αβ V( X ) = σ = αβ (en el gráfico, r α, λ 1/β) Donde los parámetros satisfacenα >, β >. La distribución gamma estándar tiene β = 1. Estd. Pedmath. V.A.C 83 Estd. Pedmath. V.A.C 84 14
15 Probabilidades de la distribución Gamma Sea X con distribución gamma de parámetros α and y β. Entonces para x >, la densidad de X está dada por x X x) = F( x; α, β ) = F ; α β donde x α 1 y y e F( x; α) = dy Γ( α) Estd. Pedmath. V.A.C 85 Media y Varianza La media y varianza de una variable aleatoria X que tiene distribución exponencial 1 1 µ = αβ = σ = αβ = λ λ Estd. Pedmath. V.A.C 86 Distribuciones Gamma y Exponencial Sea X con distribución gamma con α=1 y β = 1/λ, entonces X tiene distribución exponencial, Con densidad dada por x < F( x; λ) = λx 1 e x Note que S(t) = 1 F(t) = e -λt, se llama la función ( Análisis de sobrevivencia y Teoria de renovación) Estd. Pedmath. V.A.C 87 Aplicaciones de la Distribución Exponencial Suponga que el número de sucesos que ocurren en cualquier intervalo de tiempo de longitud t tiene distribución Poisson de parámetro αt y que el número de ocurrencias en intervalos no traslapantes independientes entre sí. Entonces la distribución de los tiempos transcurridos entre las ocurrencias de dos sucesos sucesivos es exponencial de parámetro λ = α. Estd. Pedmath. V.A.C 88 Distribución Ji.Cuadrado Sea v entero positivo. Una variable aleatoria X se dice que tiene una distribución Jicuadrado con parámetro v si la densidad de X es la gamma con densidad de parámetros α = v / and y β =. 1 ( v / ) 1 x / x e x v / f ( x; v) = Γ( v / ) x < Distribución Ji-cuadrado El parámetro v se llama número de grados de libertad (gl) de X. El símbolo χ se usa a menudo en lugar de Ji-cuadrado Estd. Pedmath. V.A.C 89 Estd. Pedmath. V.A.C 9 15
16 Ji-cuadrado Estd. Pedmath. V.A.C 91 Estd. Pedmath. V.A.C Otras Distribuciones Continuas dnorm(x) Normal t gl=1 t gl=3 t gl= x Distribución Weibull Una v.a.c X tiene distribución Weibull si la densidad es α α α α 1 ( x / β ) x e x f ( x; α, β ) = β x < Donde los parámetros satisfacen α >, β >. Estd. Pedmath. V.A.C 93 Estd. Pedmath. V.A.C 94 Media y Varianza La media y varianza de una variable X que tiene distribución Weibull son, respectivamente: 1 1 µ = β Γ 1+ σ = β Γ 1+ Γ 1+ α α α Distribución Weibull La función de distribución (acumulativa) de una v.a.c. Weibull con parámetros α y β, es α ( x / β ) 1 e x F( x; α, β ) = x < Estd. Pedmath. V.A.C 95 Estd. Pedmath. V.A.C 96 16
17 Densidades Weibull Deexp(x) Distribución Weibull Distribución Lognormal Una v.a.c no negativa X tiene distribución lognormal si la v.a.c Y = ln(x) tiene una distribución normal resultante con parámetros µ y σ : 1 [ln( x) µ ] /( σ ) e x f ( x; µ, σ ) = πα x x < Estd. Pedmath. V.A.C 97 Estd. Pedmath. V.A.C 98 Media y Varianza Distribución Lognormal La media y la varianza de una variable X con distribución lognormal son µ + σ / µ + σ σ ( ) E( X ) = e V ( X ) = e e 1 La distribución (acumulativa) de una v.a. X lognormal es F( x; µ, α ) = X x) = P[ln( X ) ln( x)] ln( x) µ ln( x) µ = P Z = Φ σ σ Estd. Pedmath. V.A.C 99 Estd. Pedmath. V.A.C 1 Grafico de distribución lognormal Distribución Beta Una v.a.c. X se dice que tiene una distribución beta con parámetros A, B, α y β. Si la densidad de X es f ( x; α, β, A, B) = 1 Γ ( α + β ) x A B x B A Γ( α) Γ( β ) B A B A De otherwise otro modo α 1 β 1 x Estd. Pedmath. V.A.C 11 Estd. Pedmath. V.A.C 1 17
18 Media y Varianza La media y varianza de una variable X con distribución beta son α µ = A + ( B A) α + β ( B A) αβ σ = ( α + β ) ( α + β + 1) 4.6. Gráficos de Probabilidad Percentil muestral En una muestra de tamaño n con las observaciones ordenadas de menor a mayor. La observación i ésima menor en la lista se toma como el [1(i.5)/n] percentil muestral. Estd. Pedmath. V.A.C 13 Estd. Pedmath. V.A.C 14 Gráfico de Probabilidad Normal Un gráfico de los pares ([ 1( i. 5) n] mo z-percentil, i-ésima observación menor ) En un sistema de coordenadas bidimensional se llama gráfico de probabilidad normal. Si la muestra proviene de una distribución normal los puntos se ubicarán muy cercanos a la recta con pendienteσ e interceptoµ. Densidades Beta Densidades Beta Estd. Pedmath. V.A.C 15 Estd. Pedmath. V.A.C 16 Mas allá de la normalidad Consideremos una familia de distribuciones de probabilidad que involucren dos parámetros θ 1 y θ. Sea F( x; θ1, θ) la correspondiente distribucion acumulada. Los parámetros θ y θ 1 se dicen parámetros de localización y escala x θ1 F( x; θ1, θ) is es a función function de of. θ Estd. Pedmath. V.A.C 17 18
Algunas 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 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 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 detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesTema 4: 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 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 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 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 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 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 detallesDistribución de Probabilidad
Distribución de Probabilidad Variables continuas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Distribuciones de probabilidad continuas
Más detallesESTADÍSTICA I. A continuación se presentan los Modelos Probabilísticos Continuos más importantes.
1 ESTADÍSTICA I Capítulo 6: MODELOS PROBABILÍSTICOS CONTINUOS. Contenido: Distribución Uniforme Continua. Distribución Triangular. Distribución Normal. Distribuciones Gamma, Exponencial, Erlang y Chi Cuadrado.
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 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 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 detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 P (X > 0) P ( 0,5 < X < 0,5) P ( X > 0,25) 1 si 2 x P (X 1) P (0,5 X 1) P (0,5 < X 1 X < 1)
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad { 0,75 (1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:
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 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 detallesPROBABILIDADES Trabajo Práctico 5. 0 si x<0. x3 si 0 x<2 1 si x 2
PROBABILIDADES Trabajo Práctico 5 1. Sea X una variable aleatoria con función de distribución acumulada a) Calcular, usando F X, P (X 1) P (0.5 X 1) P (X >1.5) b) Hallar la mediana de esta distribución.
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 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 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 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 detallesFamilias de distribuciones
Capítulo 2 Familias de distribuciones 2.1. Introducción Las distribuciones estadísticas son usadas para modelar poblaciones a través de un miembro de una familia de distribuciones. Cada familia se encuentra
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 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 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 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 detalles6.3. Distribuciones continuas
144 Bioestadística: Métodos y Aplicaciones Solución: Si consideramos la v.a. X que contabiliza el número de personas que padecen la enfermedad, es claro que sigue un modelo binomial, pero que puede ser
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 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 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 detallesDistribuciones Probabilísticas. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Distribuciones Probabilísticas Curso de Estadística TAE,005 J.J. Gómez Cadenas Distribución Binomial Considerar N observaciones independientes tales que: El resultado de cada experimento es acierto o fallo
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 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 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 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 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 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 detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 3
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad ½ 0.75 (1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:
Más detallesModelado de la aleatoriedad: Distribuciones
Modelado de la aleatoriedad: Distribuciones Begoña Vitoriano Villanueva Bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid I. Distribuciones Discretas Bernoulli (p) Aplicaciones:
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 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 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 detallesProbabilidad, Variable Aleatoria Pag 1 de 26 PROBABILIDAD
Probabilidad, Variable Aleatoria Pag 1 de 6 PROBABILIDAD Actualmente la teoría de probabilidades desempeña un papel importante en el campo de los negocios, la investigación, específicamente en la toma
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesUNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD
UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD La Distribución de Probabilidad (DP) es la relación que se da entre los diferentes eventos de un espacio muestral y sus respectivas probabilidades de ocurrencia.
Más detallesCálculo de Probabilidades y Estadística. Segunda prueba. 1
08231. Cálculo de Probabilidades y Estadística. Segunda prueba. 1 Problema 1. Se eligen tres puntos A, B y C, al azar e independientemente, sobre una circunferencia. Determinar la distribución del valor
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 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 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 detallesEsperanza Condicional
Esperanza Condicional Podemos obtener la esperanza de una distribución condicional de la misma manera que para el caso unidimensional: 129 Caso 2 v.a. discretas X e Y: Caso 2 v.a. continuas X e Y: Percentiles
Más detallesEstadística y Probabilidad
La universidad Católica de Loja Estadística y Probabilidad ESCUELA DE ELECTRÓNICA Y TELECOMUNICACIONES Paralelo C Nombre: Milner Estalin Cumbicus Jiménez. Docente a Cargo: Ing. Patricio Puchaicela. Ensayo
Más detallesVariables aleatorias continuas
Variables aleatorias continuas VARIABLE ALEATORIA UNIFORME Definición Se dice que una variable X tiene una distribución uniforme en el intervalo [a;b] si la fdp de X es: 1 si a x b f(x)= b-a 0 en otro
Más detallesEstadística Aplicada
Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.
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 detallesCálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
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 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 detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Patricia Kisbye FaMAF 6 de mayo, 2010 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
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 detalles10/04/2015. Ángel Serrano Sánchez de León
0/04/05 Ángel Serrano Sánchez de León 0/04/05 Índice Distribuciones discretas de probabilidad Discreta uniforme Binomial De Poisson Distribuciones continuas de probabilidad Continua uniforme Normal o gaussiana
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 detallesProcesos de Poisson. 21 de marzo, FaMAF 1 / 25
Procesos de Poisson FaMAF 21 de marzo, 2013 1 / 25 Distribución exponencial Definición Una v.a. X con función de densidad dada por f λ (x) = λ e λx, x > 0, para cierto λ > 0 se dice una v.a. exponencial
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 detallesCapítulo 5: Funciones de Variables Aleatorias y Generadora de Momentos Estadística Computacional I Semestre Funciones de Variables Aleatorias
Universidad Técnica Federico Santa María Departamento de Informática ILI-80 Capítulo 5: Funciones de Variables Aleatorias Generadora de Momentos Estadística Computacional I Semestre 006 Profesor: Carlos
Más detallesLista de Ejercicios (Parte 1)
ACT-11302 Cálculo Actuarial III ITAM Lista de Ejercicios (Parte 1) Prof.: Juan Carlos Martínez-Ovando 15 de agosto de 2016 P0 - Preliminar 1. Deriva las expresiones de las funciones de densidad (o masa
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 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 detallesCuáles son las características aleatorias de la nueva variable?
Apuntes de Estadística II. Ingeniería Industrial. UCAB. Marzo 203 CLASES DE ESTADÍSTICA II CLASE 5) UNA TRANSFORMACIÓN DE DOS VARIABLES. Sea Z = g(, ) una función de las variables aleatorias e, tales que
Más 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 detallesSabemos que en un proceso de Poisson la función de probabilidad está dada por:
DISTRIBUCIÓN DE WEIBULL Relación entre la dist eponencial y la dist de Poisson Sabemos que en un proceso de Poisson la función de probabilidad está dada por: e-! ( λt ) λt f X (, λ ) P( X = ) = Queremos
Más detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
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 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 detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD VARIABLE ALEATORIA Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida. Por ejemplo, suponga que se tira
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 detalles8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
Más detallesProbabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
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 12: Distribuciones de probabilidad
Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:
Más detallesRelación de Problemas. Tema 5
Relación de Problemas. Tema 5. Supongamos que tenemos una muestra aleatoria simple de tamaño n de una v.a. X que sigue una distribución geométrica con función de probabilidad P (X = k) = p( p) k Calcular
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 detallesVARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS.
VARIABLE ALEATORIA CONTINUA VARIABLES ALEATORIAS CONTINUAS º Bto. CC.SS. Una variable aleatoria es continua si puede tomar, al menos teóricamente, todos los valores comprendidos en un cierto intervalo
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 detallesVariables aleatorias continuas y Características numéricas
Variables aleatorias continuas y Características numéricas 2ºC 2018 Clase Nº 7 Mg. Stella Figueroa Variable aleatoria continua X es una VAC si existe una función f(x), llamada función de densidad de probabilidad
Más detallesAlgunas distribuciones teóricas continuas
Algunas distribuciones teóricas continuas Dr. Pastore, Juan Ignacio Profesor Adjunto. Algunas Distribuciones Estadísticas Teóricas Distribución Continuas: a) Distribución Uniforme b) Distribución de Exponencial
Más detalles2 Modelos de probabilidad discretos sobre R
UN CATÁLOGO DE MODELOS DE POBABILIDAD Julián de la Horra Departamento de Matemáticas U.A.M. Introducción En este capítulo vamos a dar un catálogo de algunos de los modelos de probabilidad más utilizados,
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 detallesCAPÍTULO 6: VARIABLES ALEATORIAS
Página 1 de 11 CAPÍTULO 6: VARIABLES ALEATORIAS En el capítulo 4, de estadística descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y en el capítulo 5 se trataron los fundamentos
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 detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 3 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. Sea X 1,..., X n una muestra aleatoria
Más detallesUnidad Temática 3 UT3-1: Variable Aleatoria
Autoevaluación UT3 Unidad Temática 3 UT3-1: Variable Aleatoria Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una F si la rechaza.
Más detalles