UNIDAD 2 VARIABLES ALEATORIAS ESTADÍSTICA. Ingenierías: Recursos Hídricos- Ambiental-Agrimensura TEORÍA. Mg.Ing. Susana Vanlesberg Profesor Titular
|
|
- María del Carmen Alcaraz Rubio
- hace 5 años
- Vistas:
Transcripción
1 Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA Ingenierías: Recursos Hídricos- Ambiental-Agrimensura TEORÍA Mg.Ing. Susana Vanlesberg Proesor Titular UNIDAD 2 VARIABLES ALEATORIAS Pág.1
2 2.-VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE PROBABILIDADES En el capítulo I al hablar de sucesos elementales se deinieron casi exclusivamente en orma cualitativa: buenos y malos; deectuosos y no deectuosos; llueve y no llueve, etc.; pero muchas veces es necesario cuantiicar resultados. Es más, la mayor parte de los problemas que se plantean en ingeniería tienen que ver con cantidades medibles. Esta cuantiicación se realiza a través de una variable que será de tipo aleatoria. Formalmente deinida variable aleatoria es aquella unción que asocia a cada suceso elemental del espacio muestral un número perteneciente a los reales. Es decir, una variable aleatoria es una variable cuyo valor numérico está determinado por el resultado del experimento aleatorio. Al realizar el experimento aleatorio la variable toma un solo valor. La variable aleatoria (v.a.) será notada con letras en mayúscula X, Y, y con letras en minúscula x, y,.sus valores. La v.a. puede tomar una cantidad numerable o no numerable de valores, dando lugar a dos tipos de v.a.: discretas y continuas. Clasiicación Si el enómeno estudiado u observado es tal que puede ser cuantiicado por valores contables o enteros, entonces la variable aleatoria se dice discreta. El conunto de los valores posibles de esta variable puede ser inito o ininito numerable por eemplo contar el número de inundaciones en los últimos 10 años en la ciudad de Santa Fe, números de eventos de contaminación producidos por los eluentes de una empresa, cantidad de teodolitos que se llevan a un trabao de campo. Si el enómeno puede ser cuantiicado a través de cualquier número real, la variable se dirá continua. Por eemplo monto de lluvia precipitada en cierto día en Santa Fe; descarga diaria de un canal, contenido de un contaminante en un eluente, medida del lado de una poligonal 2.1- DISTRIBUCIÓN DE PROBABILIDADES Si se considera la variable aleatoria discreta "cantidad de días de lluvia en un año" se veriica que hay cierta cantidad de resultados posibles: pueden haber 20, 30, 150 etc. También puede asegurarse que hay una cierta probabilidad que sean 30 días con lluvia, que sean 150 etc. Existe una asignación de probabilidades a cada uno de los posibles valores que puede tomar una variable aleatoria. Esa correspondencia entre los valores de la variable aleatoria y su probabilidad de ocurrencia es lo que se denomina Pág.2
3 Distribución de Probabilidades El comportamiento de una variable aleatoria es descrito por sus leyes de probabilidad, las cuales pueden ser caracterizadas de distintas ormas: a- la orma más común es a través de la distribución de probabilidades, el caso más sencillo es a través de una lista de los valores que la variable aleatoria puede tomar y sus respectivas probabilidades (sólo posible en el caso de variable aleatoria discreta); b- a través de gráicos c- a través de modelos matemáticos que representen la ley Variable Discreta Función de Cuantía Esta unción es la orma matemática de expresar la correspondencia entre los valores de la variable y sus probabilidades: (x) = P(X = x) (1) Para ser una unción de probabilidad, deberá cumplir con los siguientes requisitos: a- (xi) debe tener un valor numérico para todos los posibles valores de la variable aleatoria. b-0 (xi) 1 i=1,2 r r c- i1 ( x i ) 1 Pág.3
4 Fig. Nº 1- Función de cuantía Puede hacerse una semeanza con mecánica considerando una masa total unitaria distribuida sobre el ee de las x, con la masa ubicada en cada uno de los puntos y proporcional en altura a la probabilidad de que la variable tome ese valor. Pág.4
5 Función de Distribución Otra orma de describir la distribución de probabilidades de una variable aleatoria es a través de una unción denominada unción acumulativa o unción de distribución. Esta unción F(x) es simplemente la probabilidad que la variable aleatoria tome valores menores o iguales que un valor determinado: F(x) = P(X x) (2) Para el caso de variable aleatoria discreta esta unción es la suma de los valores de la unción masa de probabilidad evaluada en todos aquellos valores menores o iguales que x, que la variable puede tomar: F(x) = x x i ( xi ) (3) La gráica de esta unción es de tipo escalonada, ya que experimenta saltos en los distintos xi, iguales a la probabilidad de que la variable aleatoria tome esos valores. Entre los valores, la probabilidad permanece constante: Fig. Nº 2- Función de distribución La unción de distribución de una v.a. discreta es una unción que veriica: - 0 F(x) 1, x Pág.5
6 - Es no decreciente, es decir, si xi x, entonces F(xi) F(x) Se puede decir por tanto que una v.a. X discreta, está caracterizada por su unción de probabilidad o distribución de probabilidad P(x) y también por su unción de distribución F(x). Eemplo: Considérese la variable aleatoria X: Nº de barcos de carga que llegan a un puerto en una semana determinada del mes de mayo. Las probabilidades para los distintos casos son: p(x)= x = 0 x = 1 x = 2 x = 3 x = 4 x = 5,6... F(x) = P(X x)= , , , , 0, x < 0 0 x < 1 1 x < 2 2 x < 3 3 x < 4 1, x 4 Pág.6
7 Variable aleatoria continua Función de densidad La v.a. de tipo continuo se tratará de orma dierente a como se ha visto en el caso de v.a. discreta, ya que en el caso continuo no es posible asignar una probabilidad a cada uno de los ininitos posibles valores de la v.a. y que estas probabilidades sumen uno (como en el caso discreto), teniendo por tanto que utilizar una aproximación dierente para llegar a obtener la distribución de probabilidad de una v.a. continua. El problema de especiicar la distribución de probabilidades y de esta manera la ley para una variable aleatoria continua es sencillo de derivar. El ee x se divide en un gran número de intervalos ininitesimales, cada uno de longitud dx, es posible deinir una unción (x), tal que la probabilidad de que x esté en un intervalo (x, x+dx) es (x)dx. Esta unción se denomina unción de densidad de probabilidad o, simplemente, unción de densidad. Fig. Nº 3- Función de densidad Pág.7
8 Ya que ocurrencias en distintos intervalos son eventos mutuamente excluyentes, se deduce que la probabilidad de que una variable aleatoria tome valores en un intervalo de longitud inita, es la suma de probabilidades en los intervalos ininitesimales, o sea, es (x)dx sobre el intervalo de interés. De esta manera, el área bao la curva de esta unción en un intervalo, representa la probabilidad de que la variable tome valores en el intervalo reerido: b P(a x b)= (x)dx (4) a La probabilidad de que una variable aleatoria continua tome un valor especíico es 0, ya que la longitud del intervalo dx desaparecería: P(X = x 1 )= x1 x1 (x)dx= 0 Como consecuencia de esto, las siguientes expresiones son equivalentes: P(a X b) P(a < X <b) P(a X <b) P(a < X b) El valor de (x) en sí mismo no es una probabilidad, sino solamente la medida de la densidad de probabilidad en un intervalo. Debe cumplir con las condiciones: (x) 0 - (x)dx= 1 Pág.8
9 Puede hacerse una analogía con mecánica, diciendo que se tiene una masa total unitaria distribuida en orma continua en el intervalo en el que toma valores la variable. Función de Distribución Se deine la unción de distribución acumulativa de la v.a. X, F(x), como la probabilidad de que la v.a. continua X tome valores menores o iguales a x, es decir: F(x) = P(X x) (5) F(x)= x - (u)du (6) Fig. Nº 4- Función de distribución Pág.9
10 Consideramos una masa unidad distribuida sobre el intervalo (,+ ), y la unción de distribución F(x) para cada valor x de la v.a. da la cantidad de masa que hay en el intervalo (, x], es decir, la masa que hay en el punto x y a la izquierda de x, aunque dará igual considerar el intervalo (, x ). Propiedades de la Función de Distribución: F(- )=0, F(x)= lim x x- - F( )=1, F(x)= lim x x - (u)du = 0 (u)du=1 Es una unción monótona creciente: Si x < x+m entonces F(x) F(x+m). F( x+m) = F(x) + P( x < X x+m) Esto permite obtener la probabilidad en un intervalo: F(x m) - F(x)= P(x < X x + m) P(a < X <b)= F(b) - F(a) Puede establecerse la relación entre ambas unciones, considerando un x arbitrariamente pequeño y evaluar la unción acumulativa en los extremos de ese intervalo: x+ x y x, haciendo tender a cero la amplitud x: Pág.10
11 lim x0 F(x + x)- F(x) x lim X 0 P(X x + x)- P(X x x) F (x)= (x)= P(x < X x + x) x luego : F(x)= x - (t)dt (7) 2.2- Variables aleatorias bidimensionales En determinadas ocasiones hay que trabaar en espacios de más de una dimensión, estableciendo aplicaciones que transorman los sucesos elementales del experimento aleatorio en puntos del espacio n-dimensional (Rn), estas aplicaciones se hacen utilizando v.a. n-dimensionales. En muchas ocasiones puede interesar estudiar conuntamente dos o más características del enómeno aleatorio, es decir, estudiar el comportamiento conunto de dos o más v.a. para intentar explicar la posible relación entre ellas. En cualquier sistema ísico que se estudie pueden existir varias variables y debido a la interrelación entre ellas deben estudiarse modelos que describan el comportamiento probabilístico conunto. Para poder estudiar conuntamente las v.a. es necesario conocer la distribución de probabilidad conunta Por eemplo observar en orma simultánea cantidad de evaporación y promedio de temperatura en un día y lugar determinados es el caso de una variable aleatoria bidimensional. Se puede deinir variable aleatoria bidimensional como el par de números que expresa el resultado de un experimento combinado y esto puede ser representado en el plano x y; el recorrido o rango será ahora un subconunto del plano x y. También corresponde hacer la distinción entre variable bidimensional discreta y bidimensional continua. Pág.11
12 Distribución de probabilidades Variable aleatoria bidimensional discreta Función masa de probabilidades conuntas Esta unción es la correspondencia entre cada par de puntos y su probabilidad de ocurrencia. Analíticamente se expresa: (x y)= P(X = x;y = y) (8) ya que es una probabilidad debe cumplir con las siguientes condiciones : (x y) 0 x y i ( x i y )= 1, con i = 0,1...m = 0,1...n Esto puede representarse en orma tridimensional. En el ee perpendicular al plano x y se graican las probabilidades conuntas. Fig. Nº 5- Función de cuantía conunta Pág.12
13 Esta distribución conunta puede presentarse también a través de una tabla a doble entrada, considerando cada valor de cada variable en los extremos de la tabla y en el cuerpo de ella las probabilidades de presentación conunta (para cada par de valores). Esto sólo puede hacerse si la variable aleatoria bidimensional es discreta. La unción acumulativa conunta se deine a partir de la unción masa: F(x y)= P(X x;y y)= ( xi ; y ),i=0,1...m =0,1...n (9) X x Y y i X Y y1 y2.. Función marginal de X x1 x2.. Función marginal de Y (x2;y2) Funciones marginales Funciones masa de probabilidad marginales El comportamiento de una variable en particular sin considerar la otra, se describe a través de las unciones marginales. Se las obtiene a partir de la unción masa de probabilidades conuntas. En orma analítica se expresa a través de: (x)= P(X = x)= (y)= P(Y = y)= y x i (x, y ) ( xi, y) con = 0,1...n con i=0,1...m (10) Funciones acumulativas marginales Pág.13
14 F (x)= P(X x)= F (y)= P(Y y)= x x y y i ( ( x y i ) ) m n x x y =0 x =0 y y i i ( xi, y ( xi, y ) ) (11) Por eemplo: F ( y )= P(X x 2 m ;Y y 2 )= xi Y y2 ( xi, y ) Funciones condicionales Pueden obtenerse a partir de la distribución conunta, es aquella que se deriva al evaluar las probabilidades de presentación de una variable conociendo que la otra variable ha ocurrido con un valor particular. Para un valor particular de Y, Y=y0 la unción de cuantía de x condicionada a Y está dada por : (x/y)= P(X = x/y = y 0 P(X = x Y = y) )= P(Y = y ) 0 (x/y)= (x,y) = ( xi, y) x i (x,y), (y) con (y) 0 (12) Esta unción de cuantía condicional, por ser una unción de probabilidad debe cumplir con las siguientes condiciones: a - 0 (x/y) 1 b - x i (x/y)= 1 Pág.14
15 La distribución condicional de Y dado un valor particular de X se deine de orma similar: (x, y) (y/x) =,con (x) 0 (13) (x) Variable aleatoria bidimensional continua Las unciones asociadas con variables aleatorias bidimensionales continuas son análogas a las del caso discreto, pero la unción de cuantía será reemplazada por la unción de densidad conunta, siendo (x,y) x y la probabilidad de que la variable (x,y) caiga en el intervalo x, x+ x ; y, y + y. La probabilidad de ocurrencia conunta de x e y en alguna región del espacio muestral se determina por integrar la unción de densidad conunta en esta región. Esto es igual al volumen debao de la unción de densidad conunta (x,y), sobre la región limitada por x1x2 e y1 y2. P( x1 X x2 ; y Y y )= (x, y)dxdy (14) 1 2 x2 x1 y2 y1 La unción de densidad conunta debe cumplir con las siguientes condiciones: (x, y) (x, y)dxdy = 1 Pág.15
16 Fig. Nº 6- Función de densidad conunta La unción de distribución conunta se deine como: F(x, y)= P(- X x ; - Y y) F(x, y)= P(X x;y y) (15) F(x, y)= x - y - (t,l)dtdl Propiedades Son similares al caso unidimensional: Pág.16
17 F(- ; y)= 0 F(- ;- )= 0 F( ; )= 1 F(x;- )= 0 A partir de esta unción, se puede obtener la de densidad conunta por derivar parcialmente: 2 F(x, y) = xy (x, y) (16) Funciones de densidad marginales Como en el caso discreto, para estudiar el comportamiento de una de las variables en particular se lo hace a través de las unciones marginales: (y)= - (x)= - (x, y)dx (x, y)dy (17) Funciones de distribución marginales F (x)= P(X x)= x - - (x, y)dydx= x - (t)dt F (x)= F x,y (x, ) (18) se deduce que: (x)= [F(x, )] = [ F x x (x)] Pág.17
18 de orma similar: F (y)= P(Y y)= y - - (x, y)dxdy = y - (s)ds F (y)= F x,y (,y) (19) (y)= F(, y)= [ F y y (y)] Gráicamente todas las unciones: Fig. Nº 7- Función de distribución conunta Pág.18
19 Fig. Nº 8 -Función de distribución marginal de X Fig. Nº 9 -Función de distribución marginal de Y Pág.19
20 Fig. Nº 10 -Función de densidad marginal de Y Fig. Nº 11 -Función de densidad marginal de X Pág.20
21 Fig. Nº 12 Funciones marginales Si interesa obtener la probabilidad en un intervalo para una de las variables puede obtenerse a partir de la unción conunta o a partir de las marginales: P(a < X < b)= b a (x)dx (20) P(a<X <b)= b a - (x,y)dydx Funciones de probabilidad condicionales Queremos conocer cómo se distribuye una de las variables cuando se imponen condiciones a la otra variable. Recordando el concepto de sucesos dependientes: P(AB) P(A/B) = P(B) P(AB) P(B/A) = P(A), con P(A) y P(B) 0 Pág.21
22 En el caso de variable continua la probabilidad de que alguna de las variables tome un valor especíico, no tiene sentido: P(X = x)=0 P(Y = y)=0 Función de densidad condicionada de la v.a. continua X dado Y=y: ( X / Y ( x, y) y) ( y) 0 ( y) 0 en el resto (21) Función de densidad condicionada de la v.a. continua Y dado X=x: ( Y / X ( x, y) x) ( x) 0 ( x) 0 en el resto (22) Puede demostrarse que las anteriores son unciones de densidad, por eemplo: - (X/Y)dx = - (x, y) dx= (y) 1 (y) - (x, y)dx= (y) = 1 (y) Función de distribución condicionada de la v.a. continua X dado Y=y0: F x ( x, y) dx x ( x / y) ( x / y) dx (23) ( y) Función de distribución condicionada de la v.a. continua Y dado X=x0: F y ( y / x) ( y / x) dx (24) y ( x, y) dy ( x) Pág.22
23 INDEPENDENCIA DE VARIABLES ALEATORIAS Cuando se tienen dos variables aleatorias distribuidas conuntamente, puede interesar saber si las variables son dependientes o independientes, ya que puede tener importancia para determinar si es correcto predecir el valor de una basándose en el valor de la otra. Recordar también aquí el concepto de independencia de sucesos: P(AB) = P(A).P(B) P(X x;y y)= P(X x).p(y F(x, y)= F (x).f (y) y) (25) Esto solo es posible de expresar si las variables son independientes. Las variables aleatorias son independientes si y sólo si la unción conunta puede expresarse como el producto de sus marginales. Si la variable bidimensional es discreta se expresa de la siguiente orma: P(X = xi ;Y = y )= P(X = xi ).P(Y = y ) ( xi, y )= ( xi ). ( y ) Por lo tanto puede concluirse que: es necesario para que dos variables aleatorias distribuidas conuntamente sean independientes, que su unción conunta (de densidad o cuantía o de distribución) pueda descomponerse en el producto de sus marginales. Si la unción conunta está expresada como el producto de sus marginales, es suiciente para asegurar que las variables son independientes. Esta condición es válida tanto para el caso continuo como discreto. Eemplos de variable aleatoria bidimensional Variable continua Considérense dos caudales X e Y en dos corrientes distintas pero en el mismo día. El interés en estudiar el comportamiento conunto puede originarse debido a que ambas corrientes alimentan al mismo reservorio. La unción conunta está dada por: Pág.23
24 (x, y)= c x x y enotra parte La constante c deberá evaluarse haciendo uso de una de las propiedades de la unción de densidad conunta: - - (x,y)dx dy =1 de esta orma: c x 4000 dydx= 1 c= La probabilidad de eventos tales como: el caudal de x es mayor que 2 veces el caudal de y puede interesar al ingeniero que analiza la situación. La probabilidad de este evento es el volumen bao la unción conunta sobre la región de interés: P(X 2Y)= 2.5* x ( x)dydx Pág.24
25 Las unciones marginales de X y de Y son: (x)= 2.5* ( x)dy = * ( x), 0 x 4000 (y)= 2.5* ( x)dx= 2000* 2.5*10 7, 0 y 2000 El ingeniero puede utilizar inormación de Y, el caudal en la corriente menor, para predecir X, caudal en la corriente mayor, con mayor seguridad. Esto puede hacerlo contando con la unción condicional (X/Y) y la distribución marginal *10.( x) (X,Y) (X/Y) = = (Y) 2.5* (X/Y)= (X) Esto dice que el conocimiento de Y no altera la unción de X, es decir, no brinda inormación adicional a la necesidad de predicción. Pág.25
Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingeniería Informática TEORÍA
Universidad Nacional del Litoral Facultad de Ingeniería Ciencias Hídricas ESTADÍSTICA Ingeniería Inormática TEORÍA Mg.Ing. Susana Vanlesberg Proesor Titular UNIDAD 2 Variables Aleatorias Estadística -
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 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 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 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 detalles1º ITIS Matemática discreta Relación 2 APLICACIONES
º ITIS Matemática discreta Relación 2 PLICCIONES. Estudiar en cuáles de los siguientes casos la correspondencia G deinida entre 2 2 los conjuntos y B mediante la relación ( x, y G x + y = es una aplicación:
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 4: Variables aleatorias multidimensionales
Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia
Más detallesVECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción VECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M. Desde un punto de vista formal, los vectores aleatorios son la herramienta matemática adecuada para transportar
Más detallesVariables aleatorias bidimensionales discretas
Universidad de San Carlos de Guatemala Facultad de Ingeniería Área de Estadística VARIABLES ALEATORIAS BIDIMENSIONALES Concepto: Sean X e Y variables aleatorias. Una variable aleatoria bidimensional (X,
Más detallesTEMA 1 VARIABLES ALEATORIAS MULTIDIMENSIONALES
TEMA 1 VARIABLES ALEATORIAS MULTIDIMENSIONALES Recordemos que el concepto de variable aleatoria surge de la necesidad de transformar el espacio muestral asociado a un experimento aleatorio en un espacio
Más detallesProcesos estocásticos
Procesos estocásticos Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos del curso 1. Introducción. 2. Procesos a tiempo discreto:
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 4 Vectores aleatorios Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
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 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 detallesFundamentos de la Teoría de la Probabilidad. Ing. Eduardo Cruz Romero
Fundamentos de la Teoría de la Probabilidad Ing. Eduardo Cruz Romero www.tics-tlapa.com Teoría elemental de la probabilidad (1/3) El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos
Más 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 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 detallesValeri Makarov: Estadística Aplicada y Cálculo Numérico (Grado en Química)
Estadística Aplicada y Cálculo Numérico (Grado en Química) Valeri Makarov 10/02/2015 29/05/2015 F.CC. Matemáticas, Desp. 420 http://www.mat.ucm.es/ vmakarov e-mail: vmakarov@mat.ucm.es Capítulo 4 Variables
Más detallesUnidad II: Fundamentos de la teoría de probabilidad
Unidad II: Fundamentos de la teoría de probabilidad 2.1 Teoría elemental de probabilidad El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que se denominan aleatorios, cuya característica
Más detalles1 3 a) g(x) es una función de densidad. b) g(x) no es una función densidad, puesto que no es continua. c) g(x) es una función de distribución.
VARIABLES ALEATORIAS 1 Sea F() la función de distribución de una variable aleatoria, entonces: a) F() es una función continua b) F ()=f() es continua c) F() es continua por la derecha La función de distribución
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 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 detallesTema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias
Estadística Tema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010 Contenidos...............................................................
Más detallesEstadística Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 2011 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1 1. Las Definiciones de Probabilidad 2. Variables Aleatorias 3. Función de Densidad
Más detallesESTADÍSTICA Y ANÁLISIS DE DATOS. Práctica del Tema 5. Variable aleatoria (en R y R 2 )
ESTADÍSTICA Y ANÁLISIS DE DATOS Práctica del Tema 5. Variable aleatoria (en R y R ). Se considera un dado regular y se define la v.a. X: puntuación obtenida en un lanzamiento cualquiera de dicho dado.
Más detalles1. Experimentos aleatorios
1. Eperimentos aleatorios La eperimentación es útil porque si se supone que llevamos a cabo ciertos eperimentos bajo condiciones esencialmente idénticas se llegará a los mismos resultados. En estas circunstancias,
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 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 5. Variables Aleatorias
Tema 5. Variables Aleatorias Presentación y Objetivos. En este tema se estudia el concepto básico de Variable Aleatoria así como diversas funciones fundamentales en su desarrollo. Es un concepto clave,
Más detallesCarrera: INGENIERIA ZOOTECNISTA E S T A D I S T I C A
Carrera: INGENIERIA ZOOTECNISTA E S T A D I S T I C A ESTADÍSTICA INFERENCIAL Cuando no se puede estudiar a todos los miembros de una población y se debe recurrir a una muestra, haciendo uso de las técnicas
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad las reglas mátemáticas de la probabilidad no son simplemente reglas para calcular frecuencias de variables aleatorias;
Más 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 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 detallesV.a. continuas: integrar. Varianza. Propiedades:
V.a. continuas: integrar Varianza 98 Propiedades: σ 2 =E(X 2 )-E(X) 2 V(aX+b)=a 2 σ 2 (X) Distribuciones Truncadas 99 Ej: "La longitud de las varillas fabricadas por una máquina es una variable aleatoria
Más detallesDistribuciones de Probabilidad para Variables Aleatorias Discretas 1
Distribuciones de Probabilidad para Variables Aleatorias Discretas Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística,
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 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 detalles2 Contraste de independencia
2 Contraste de independencia 2 Independencia entre variables cualitativas Consideremos dos variables cualitativas X e Y con I y J modalidades cada una respectivamente, y sea N IJ la tabla de contingencia
Más detallesEXPERIMENTO ALEATORIO
EXPERIMENTO ALEATORIO En concepto de la probabilidad, un experimento aleatorio es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, en otras palabras,
Más detallesFUNCIONES REALES DE VARIABLE REAL.
FUNCIONES REALES DE VARIABLE REAL. CORRESPONDENCIA. Se llama CORRESPONDENCIA entre dos conjuntos A y B a toda ley que asocia elementos del conjunto A con elementos del conjunto B. Se denota por : A B A
Más detallesDistribucion conjunta de variables continuas
Distribucion conjunta de variables continuas Matías Carrasco 22 de mayo de 218 1. Introducción La distribución conjunta de un par de variables aleatorias X e Y es la distribución de probabilidad definida
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 detallesUNIDAD DIDÁCTICA 7: Funciones I
UNIDAD DIDÁCTICA 7: Funciones I 1. ÍNDICE 1. Introducción 2. Concepto de unción 3. Gráica de una unción 4. Operaciones con unciones 5. Propiedades de las unciones 2. INTRODUCCIÓN GENERAL A LA UNIDAD Y
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 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 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 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 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 detallesVariables aleatorias
Estadística Variables aleatorias Supongamos que realizamos el experimento: tirar dos veces un dado. Hasta ahora, hemos tratado sucesos, por ejemplo: A2 = la suma de dos tiradas de un dado es 2. Podemos
Más detallesNotas para un curso de Probabilidad y Estadística Borradores: Variables aleatorias (e)
Notas para un curso de Probabilidad y Estadística Borradores: Variables aleatorias (e) Apéndice 9 de marzo de 010 Las leyes físicas deben tener la simplicidad y belleza de las matemáticas. (Paul Adrien
Más detallesProbabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro
Probabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro La probabilidad nos proporciona un modelo teórico para la generación de los datos experimentales Medidas de la Posibilidad
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 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 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 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 detallesTema 4: Variable Aleatoria Bidimensional
Curso 2016-2017 Contenido 1 Definición de Variable Aleatoria Bidimensional 2 Distribución y fdp Conjunta 3 Clasificación de Variables Aleatorias Bidimensionales 4 Distribuciones Condicionales 5 Funciones
Más detallesUNIDAD 4: PROBABILIDAD
UNIDAD 4: PROBABILIDAD La probabilidad se corresponde con la Frecuencia relativa. Es decir cuantas veces aparece un dato respecto del total de datos. Establece la probabilidad de que una variable tome
Más detalles2. Ejercicio: 003_VACD_081
FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS ACADEMIA DE PROBABILIDAD Semestre: 7- SERIE TEMA VARIABLES ALEATORIAS CONJUNTAS. Ejercicio: _VACD_8 Sean las distribuciones
Más detallesAPUNTES SOBRE INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES
APUNTES SOBRE INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES Probabilidad es el experimento libre de determinación P = X * 100 n Reyes Donis, José Luis INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES Probabilidad
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 detallesTeorema de Bayes(6) Nos interesan las probabilidades a posteriori o probabilidades originales de las partes p i :
Teorema de Bayes(5) 75 Gráficamente, tenemos un suceso A en un espacio muestral particionado. Conocemos las probabilidades a priori o probabilidades de las partes sabiendo que ocurrió A: Teorema de Bayes(6)
Más detallesPROBABILIDAD y ESTADÍSTICA II
UNIVERSIDAD TECNOLÓGICA NACIONAL Facultad Regional San Nicolás PROBABILIDAD ESTADÍSTICA II UNIDAD Nº Licenciatura en Enseñanza de la Matemática Año 0 Mg. Lucía C. Sacco UNIDAD Nº Variables aleatorias bidimensionales
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 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 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 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 detallesAPUNTES DE PROBABILIDAD Y ESTADISTICA ING. GUILLERMO CASAR MARCOS
CAPITULO III VARIABLES ALEATORIAS. DEFINICION.- UNA VARIABLE ALEATORIA ES UNA FUNCION DE LOS VALORES DEL ESPACIO MUESTRAL. ESTO ES, EL DOMINIO DE DEFINICION DE UNA VARIABLE ALEATORIA ES UN ESPACIO MUESTRAL,
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 detallesVectores Aleatorios. Definición 1.1. Diremos que el par (X,Y) es un vector aleatorio si X e Y representan variables aleatorias
Universidad de Chile Facultad De Ciencias Físicas y Matemáticas MA3403 - Probabilidades y Estadística Prof. Auxiliar: Alberto Vera Azócar. albvera@ing.uchile.cl Vectores Aleatorios 1. Vectores Aleatorios
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 detallesTema 5. Variables Aleatorias Conjuntas.
Tema 5. Variables Aleatorias Conjuntas. Objetivo: El alumno conocerá el concepto de variables aleatorias conjuntas podrá analizar el comportamiento probabilista, conjunta e individualmente, de las variables
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 detallesExperimento de lanzar 3 monedas al aire. Denominando por (C) a Cara y (X) a Cruz, el espacio muestral será: Ω={CCC,CCX,CXC,XCC,CXX,XCX,XXC,XXX}
1 Tema 3 : Variable Aleatoria Unidimensional 3.1. Concepto de variable aleatoria Se llama variable aleatoria (v.a.) a toda aplicación que asocia a cada elemento del espacio muestral (Ω) de un experimento,
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA Pablo Torres Facultad de Ciencias Exactas, Ingeniera y Agrimensura - Universidad Nacional de Rosario Unidad 2: Probabilidad INTRODUCCIÓN Al lanzar un dado muchas veces veremos
Más detalles1. Funciones y gráficas
1. Funciones y gráicas Uno de los conceptos más importantes en matemática es el de unción. Los orígenes de la noción de unción y de su inluencia signiicativa en la evolución de la ciencia datan del siglo
Más detallesCapítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
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 detallesDEF Diremos que X es una Variable Aleatoria Continua (Unidimensional) si existe una función f(x) que verifica
1. VARIABLES ALEATORIAS CONTINUAS. En el caso de variables discretas es posible asociar una probabilidad finita a cada punto (elemento) del conjunto muestral, aunque el número de puntos (elementos) que
Más detalles4. CONCEPTOS BASICOS DE PROBABILIDAD
4. CONCEPTOS BASICOS DE PROBABILIDAD 4.1 Introducción La probabilidad y la estadística son, sin duda, las ramas de las Matemáticas que están en mayor auge en este siglo, y tienen una tremenda aplicabilidad
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 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 detallesVectores Aleatorios. Vectores Aleatorios. Vectores Discretos. Vectores Aleatorios Continuos
Definición Dado un espacio muestral S, diremos que X =(X 1, X 2,, X k ) es un vector aleatorio de dimension k si cada una de sus componentes es una variable aleatoria X i : S R, para i = 1, k. Notemos
Más detallesVariables Aleatorias y Distribuciones de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Variables Aleatorias Distribuciones de Probabilidad UCR ECCI CI-5 Probabilidad Estadística Pro. M.Sc. Krscia Daviana Ramírez Benavides Variable Aleatoria Una variable aleatoria es una unción que asocia
Más detallesUNIDAD 3 Características de variables aleatorias uni y bidimensionales
Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA Ingenierías: Recursos Hídricos-Ambiental-Agrimensura TEORÍA Mg. Ing. Susana Vanlesberg Profesor Titular UNIDAD Características
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
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 detallesDEPARTAMENTO DE SOCIOLOGÍA I. Curso
DEPARTAMENTO DE SOCIOLOGÍA I Curso 2010-2011 Socioestadística I Capítulo 4. TEORÍA DE LA PROB ABILIDAD Y SUS PRINCIPIOS 1. Introducción a la Estadística Inferencial Hasta ahora, hemos utilizado diversas
Más detallesTEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES. Variable aleatoria (Real)
TEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES Grado Ing Telemática (UC3M) Teoría de la Comunicación Variable Aleatoria / 26 Variable aleatoria (Real) Función que asigna un valor
Más detallesCarrera: INGENIERIA ZOOTECNISTA E S T A D I S T I C A
Carrera: INGENIERIA ZOOTECNISTA E S T A D I S T I C A ESTADÍSTICA INFERENCIAL Cuando no se puede estudiar a todos los miembros de una población y se debe recurrir a una muestra, haciendo uso de las técnicas
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 detallesEstadística descriptiva e inferencial. Métodos básicos y aplicaciones
descriptiva e inferencial Métodos básicos y aplicaciones 1 Introducción El término estadística suele usarse bajo dos significados distintos: 1 Como colección de datos numéricos: se habla de una estadística
Más detallesContenidos IB-Test Matemática NM 2014.
REDLAND SCHOOL MATHEMATICS DEPARTMENT 3 MEDIO NM 1.- Estadística y probabilidad. Contenidos IB-Test Matemática NM 2014. 1.1.- Conceptos de población, muestra, muestra aleatoria, y datos discretos y continuos.
Más detallesCÁLCULO DE PROBABILIDADES
CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.
Más detallesDISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD
DISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD FUNCIÓN DE DISTRIBUCIÓN ( CONJUNTA ) DE UN VECTOR ALEATORIO FUNCIÓN DE CUANTÍA ( CONJUNTA) DE VECTORES ALETORIOS DISCRETOS FUNCIÓN DE DENSIDAD (CONJUNTA)
Más detalles