Estadística Grado en Nutrición Humana y Dietética
|
|
- Enrique Cabrera Salazar
- hace 5 años
- Vistas:
Transcripción
1 Estadística Grado en Nutrición Humana y Dietética Tema 3: Probabilidad y variables aleatorias Francisco M. Ocaña Peinado Departamento de Estadística e Investigación Operativa Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
2 Tema 3: Probabilidad y variables aleatorias 1 Introducción a la probabilidad 2 Concepto de variable aleatoria 3 Variables aleatorias discretas 4 Variables aleatorias continuas 5 Aproximación entre variables aleatorias 6 Bibliografía Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
3 Introducción Introducción La humanidad siempre ha estado interesada en cuantificar el mundo que le rodea. Cuántos habitantes tiene una localidad, cuál es la riqueza de un país, qué distancia separa a la Tierra de la Luna, cuánto pesa un átomo... Medir ha sido uno de los retos de todas las sociedades a través de los siglos. En la actualidad, el desarrollo de las técnicas e instrumentos de medida permiten cuantificar prácticamente cualquier fenómeno de la Naturaleza. En cualquier ámbito, un fenómeno o experimento puede ser de dos tipos: determinista o aleatorio. Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
4 Tipos de fenómenos Tipos de fenómenos A qué temperatura hierve el agua a nivel del mar? La ebullición comenzará cuando alcance una temperatura de 100 grados centígrados. La ebullición del agua es un fenómeno determinista. En las mismas condiciones ambientales, el resultado siempre será el mismo, único, previsible y medible con el instrumento apropiado En la Naturaleza existe otro tipo de fenómenos denominados aleatorios. En ellos, el resultado será imprevisible, desconocido, aunque se repita en las mismas condiciones. Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
5 Experimentos aleatorios Experimentos aleatorios: Características Se conocen de antemano todos los posibles resultados del experimento No es posible determinar el resultado del experimento antes de realizarlo El experimento se puede repetir en idénticas condiciones Ejemplos Ejemplos: El lanzamiento de un dado, contar el número de pacientes que llegan a urgencias en una hora, medir el colesterol en un grupo de personas... Para estudiar este tipo de fenómenos la herramientas matemáticas a usar son las variables aleatorias y la probabilidad Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
6 Introducción a la Probabilidad Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
7 Notación en Probabilidad Tipos de fenómenos Experimento aleatorio S : es un experimento que cumple las tres condiones anteriormente mencionadas Espacio muestral Ω : conjunto de todos los posibles resultados de un experimento aleatorio Suceso (evento) de un espacio muestral: grupo de posibles resultados contenidos en el espacio muestral. Por ello, un suceso es un subconjunto del espacio muestral. Se representan mediante las letras del abecedario en mayúsculas (A, B, C,... ). Por tanto, según su definición, se puede establecer que para un suceso A se tiene que A Ω. Suceso elemental: suceso que contiene un sólo posible resultado. Suceso seguro: cualquier suceso que ocurre siempre en la realización del experimento (sea cual sea el resultado), por tanto éste es Ω. Suceso vacío, o suceso nulo: cualquier suceso que no puede ocurrir al realizar el experimento, por tanto éste es. Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
8 Notación en Probabilidad Ejemplos de fenómenos aleatorios y espacios muestrales 1. Lanzamiento de un dado. Ω = {1, 2, 3, 4, 5, 6} 2. Recuento del número de individuos que practican deporte regularmente en una población. Ω = {0, 1, 2,...} 3. Recuento del número de individuos que tienen una enfermedad. Ω = {0, 1, 2,...} 4. Tiempo que una persona permanece haciendo una dieta. Ω = (0, + ) 5. Peso de un bebé al nacer Ω = [500, 5000] Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
9 Operaciones con sucesos Operaciones con sucesos 1 Se define la unión de los sucesos A y B como el suceso C que ocurre siempre que ocurra A u ocurra B o simultáneamente A y B. Se representa C = A B 2 Se define la intersección de los sucesos A y B como el suceso D que ocurre siempre que ocurran A y B simultáneamente. Se representa como D = A B 3 Se denomina suceso contrario o suceso complementario del suceso A y se representa como Ā, al suceso que ocurre siempre que no ocurra A 4 Dos sucesos A y B se dicen disjuntos, incompatibles o mutuamente excluyentes si al ocurrir uno, no puede ocurrir el otro. Es decir que A B =. 5 Dados dos sucesos A y B, se define el suceso diferencia como B A = B Ā. Es decir, el suceso diferencia B A contiene a todos los elementos de B que no pertenecen a A. Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
10 Concepto de probabilidad Probabilidad. Idea intuitiva Objetivo: Medir la posibilidad de ocurrencia de un suceso. Frecuentemente se miden longitudes, volúmenes, velocidades, etc. pero no tanto o al menos no de una forma consciente se mide con exactitud la posibilidad de ocurrencia de algún suceso Probabilidad de un suceso: como un número en el intervalo [0,1] que mide el grado de posibilidad de que ocurra el suceso Improbable Probable Imposible (Suceso vacío) Equiprobable Seguro (Suceso seguro) Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
11 Concepto de probabilidad Probabilidad. Definición matemática Dado que la probabilidad es una medida, sería deseable expresarla matemáticamente Matemáticamente la probabilidad es una función que debe cumplir tres condiciones (axiomas de Kolmogorov): (i) P(A) 0 (ii) P(Ω) = 1 (iii) A 1,..., A n sucesos disjuntos dos a dos: P(A 1 A 2 A n ) = P(A 1 ) + P(A 2 ) P(A n ) que en una forma más compacta se expresa como: ( n ) n P A i = P(A i ) i=1 Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52 i=1
12 Concepto de probabilidad Definición matemática. Consecuencias (i) La probabilidad del suceso vacío, o suceso nulo es cero P( ) = 0 (ii) Para cualquier suceso, se tiene que su probabilidad es un número del intervalo [0, 1] 0 P(A) 1 (iii) La probabilidad de un suceso se puede obtener como 1 menos la del suceso contrario P(A) = 1 P(Ā) (iv) Si A implica B, entonces la probabilidad de A es menor o igual que la de B. A B P(A) P(B) (v) Regla de cálculo de la unión de dos sucesos. P(A B) = P(A) + P(B) P(A B) Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
13 Concepto de variable aleatoria Introducción Cuando se trabaja con experimentos aleatorios, no siempre el espacio muestral Ω asociado al experimento, es un conjunto numérico (por ejemplo el caso del lanzamiento de la moneda), lo cual dificulta el estudio riguroso de este tipo de experimentos Una de las ideas que se tiene con el uso de la variable aleatoria (v.a.) es dejar de trabajar con sucesos para trabajar con cantidades numéricas Se puede decir que una v.a. es una representación mediante números de un fenómeno aleatorio Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
14 Concepto de variable aleatoria Definición Una v.a. es una función que asocia un número real a cada elemento del espacio muestral Definición matemática Sea Ω, un espacio muestral sobre el que se encuentra definida una función de probabilidad P. Una v.a. X es una función real definida sobre Ω tal que transforma los sucesos elementales en puntos de la recta real. Con simbología matemática: X :Ω R A X (A) Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
15 Concepto de variable aleatoria Ejemplo S Lanzamiento de dos monedas. Ω = {(c, c), (c, +), (+, c), (+, +)} Un ejemplo de v.a. podría ser: X Número de caras obtenidas en el lanzamiento La v.a. X sería la función siguiente: X : Ω R (+, +) 0 (+, c) 1 (c, +) 1 (c, c) 2 Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
16 Recorrido de una v.a. Definición de recorrido Los distintos valores que puede tomar una v.a. X, se denomina rango o recorrido, y se representa como R X. En el ejemplo anterior, se tiene que R X = {0, 1, 2} Ejemplos Y N o de pacientes que llegan a urgencias en una hora R Y = {0, 1, 2, 3, 4,...} Z Cantidad de colesterol en un individuo (mg/dl) R Z = [50, 300] U Peso de un bebé (gramos) R U = [500, 5000] V N o de personas con sobrepeso en una población de N individuos R V = {0, 1, 2, 3, 4,..., N} Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
17 Clasificación de variables aleatorias Variables aleatorias discretas y continuas Atendiendo al recorrido, se clasifican en: Discretas: El rango es un conjunto finito o infinito numerable (los valores que puede tomar la variable son ptos. aislados). Frecuentemente cuentan el número de veces que ocurre algo Y N o de pacientes que llegan a urgencias en una hora R Y = {0, 1, 2, 3, 4,...} V N o de personas con sobrepeso en una población de N individuos R V = {0, 1, 2, 3, 4,..., N} Continuas: El rango es un conjunto infinito (intervalo de números reales). Frecuentemente miden una magnitud Z Cantidad de colesterol en un individuo (mg/dl) R Z = [50, 300] U Peso de un bebé (gramos) R U = [500, 5000] Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
18 Variables aleatorias discretas Variables aleatorias discretas Una variable aleatoria, X, es discreta si su R X son puntos aislados de la recta real. En el estudio de este tipo de v.a. se conocerá: (i) R X = {x 1, x 2,..., x n,...} (ii) p i = P[X = x i ] i = 1, 2,..., n,... Ejemplo S Lanzamiento de dos monedas Ω = {(c, c), (c, +), (+, c), (+, +)} X Número de caras obtenidas en el lanzamiento R X = {0, 1, 2} P[X = 0] = 1/4 P[X = 1] = 1/2 P[X = 2] = 1/4 Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
19 Variables aleatorias discretas Función masa de probabilidad p(x i ) Función masa de pobabilidad p(x i ) = P[X = x i ] = p i Es la función que que asigna a cada valor de la v.a. discreta X la probabilidad de que la variable tome dicho valor. Se deberá verificar que p i = 1 i Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
20 Variables aleatorias discretas Función de distribución F (x) Función de distribución F : R [0, 1] F (x) = P[X x] = x i x p i Uso de la Función de distribución Es la función que asigna a cualquier número real x, la probabilidad de que la variable tome valores menores o iguales que x F (x) está definida para cualquier número real, permite calcular la probabilidad que hay acumulada hasta un cierto valor x Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
21 Ejemplo cálculo función distribución: caso discreto S: Lanzamiento de una moneda dos veces. Consideramos toda la recta real para hallar la F(t) t < 0 F() t = P( X t) = 0 0 t < 1 F() t = P( X t) = P( X = 0) = 1/4 1 t < 2 F() t = P( X t) = P( X = 0) + P( X = 1) = 3/4 t 2 F() t = P( X t) = P( X = 0) + P( X = 1) + P( X = 2) = 1 F(x)= 0 six < 0 1/4 si0 x < 1 3/4 si1 x < 2 1 six 2 Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
22 Esperanza y varianza de una v.a. discreta Esperanza de una v.a. Dada una v.a. X, su esperanza se representa como E[X ] o como µ Representa el valor promedio de X, si se realiza el experimento aleatorio un número muy grande de veces Esperanza: cálculo Si X es v.a. discreta: E[X ] = i x i p i Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
23 Esperanza y varianza de una v.a. Varianza de una v.a. Dada una v.a X su varianza se representa como Var[X ] o como σ 2. Es una medida de dispersión de los valores de la v.a con respecto de E[X ], su objetivo es informar acerca de la variabilidad de la v.a. σ 2 = Var[X ] = E[(X E[X ]) 2 ] =... = E[X 2 ] (E[X ]) 2 Varianza: cálculo Si X es v.a. discreta: E[X 2 ] = i x 2 i p i σ 2 = Var[X ] = E[X 2 ] (E[X ]) 2 Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
24 Variable aleatoria Binomial Contexto Un experimento aleatorio con únicamente dos posibles (éxito y fracaso) Se conoce P[Éxito] = p P[Fracaso] = 1 p = q Se llevan a cabo n realizaciones independientes del experimento Definición Se define X Número de éxitos en las n realizaciones del experimento X se dice que es una v.a. Binomial de parámetros n y p La notación para esta v.a. es: X B(n, p) Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
25 Variable aleatoria Binomial Binomial: Recorrido y función masa i) R X = {0, 1, 2,..., n} ii) P[X = k] = p k = ( n k) p k q n k k = 0, 1, 2..., n Ejemplo: X B(12, 0.45) P[X = 10] = ( 12 10) = Binomial: Esperanza y varianza E[X ] = k kp[x = k] = k k ( n k) p k q n k =... = np Var[X ] = (k np) 2 P[X = k] = k k Ejemplo: X B(12, 0.45) E[X ] = 5.4 Var[X ] = 2.97 (k np) 2( n k) p k q n k =... = npq Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
26 Variable aleatoria Poisson Contexto Sea un fenómeno aleatorio que va sucediendo de forma independiente a lo largo del tiempo o del espacio Se conoce λ Promedio de ocurrencias del fenómeno por unidad de tiempo o espacio Definición Se define X Número de ocurrencias del fenómeno por unidad de tiempo o espacio X se dice que es una v.a. de Poisson de parámetros λ La notación para esta v.a. es: X P(λ) Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
27 Variable aleatoria Poisson Poisson: Recorrido y función masa i) R X = {0, 1, 2,...} ii) P[X = k] = p k = e λ λ k k = 0, 1, 2,... k! Ejemplo: X P(1.3) P[X = 2] = e ! = Poisson: Esperanza y varianza E[X ] = k kp[x = k] = k k e λ λ k k! =... = λ Var[X ] = (k λ) 2 P[X = k] = (k λ) 2 e λ λ k k k k! Ejemplo: X P(1.3) E[X ] = Var[X ] = 1.3 =... = λ Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
28 Variables aleatorias continuas Variables aleatorias continuas X es una v.a. continua, si puede tomar cualquier valor dentro un intervalo o dentro de un campo de variación dado, es decir si su recorrido R X, es un conjunto infinito no numerable Si X es una v.a. continua no es posible definir la Función masa de probabilidad, ya que R X es un conjunto con infinitos valores La función que expresa cómo se encuentra concentrada la probabilidad dentro del R X se denomina Función de densidad y se representa como f (x) Si X es v.a. continua P[X = k] = 0 Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
29 Variables aleatorias continuas Función de densidad: Propiedades i) f (x) es no negativa f (x) 0 ii) El área bajo f (x) y el eje x vale 1 f (x)dx = 1 iii) P[a X b] = b a f (x)dx Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
30 Variables aleatorias continuas Función de distribución F (x) Función de distribución F : R [0, 1] F (x) = P[X x] = x f (x)dx Uso de la Función de distribución Es la función que asigna a cualquier número real x, la probabilidad de que la variable tome valores menores o iguales que x F (x) está definida para cualquier número real, permite calcular la probabilidad que hay acumulada hasta un cierto valor x Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
31 Variables aleatorias continuas Función de distribución: caso continuo P[X = k] = P[k X k] = k k f (x)dx = 0 P[a X b] = P[a X < b] = P[a < X b] = P[a < X < b] = b a f (x)dx Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
32 Ejemplo cálculo función distribución: caso continuo Ejemplo: Ejercicio 1 de la relación, (apartado a) Se considera toda la recta real para hallar la F. Distribución La F. Distribución, F(t), se calcula como: t F () t P( X t) f( xdx ) X = = Sit < 0 F () t = P( X t) = f( x) dx = 0 X Sit 0 F () t = P( X t) = f( x) dx + f( x) dx = X t1 1 = e dx = ( 2) e = e 1 = 1 e t x/2 x/2 t t/2 t/2 0 t 0 Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
33 Esperanza y varianza de una v.a. continua Esperanza de una v.a. Dada una v.a. X, su esperanza se representa como E[X ] o como µ Representa el valor promedio de X, si se realiza el experimento aleatorio un número muy grande de veces Esperanza: cálculo Si X es v.a. continua: E[X ] = x f (x)dx Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
34 Esperanza y varianza de una v.a. Varianza de una v.a. Dada una v.a X su varianza se representa como Var[X ] o como σ 2. Es una medida de dispersión de los valores de la v.a con respecto de E[X ], su objetivo es informar acerca de la variabilidad de la v.a. σ 2 = Var[X ] = E[(X E[X ]) 2 ] =... = E[X 2 ] (E[X ]) 2 Varianza: cálculo Si X es v.a. continua: E[X 2 ] = x 2 f (x)dx σ 2 = Var[X ] = E[X 2 ] (E[X ]) 2 Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
35 Ejemplo cálculo esperanza y varianza: caso continuo Ejemplo caso continuo. Ejerc2 de la relación: E( X ) = x f ( x) dx = x f ( x) dx = Var(X) = σ 2 = E(X 2 ) -(E(X)) 2 = = min 2 Desviación Típica de X = σ = min x = xdx = = 45min E( X ) = x f ( x) dx = x f ( x) dx = x = x dx = = Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
36 Variable aleatoria Uniforme Definición X es una v.a. Uniforme de parámetros a y b si su f (x) es: f (x) = { 1 b a si a x b 0 en otro caso La notación para este tipo de v.a. es: X U(a, b) Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
37 Variable aleatoria Uniforme Idea de una v.a. uniforme Se tiene que todos los intervalos de igual longitud en la distribución en su rango son igualmente probables El dominio está definido por dos parámetros, a y b, que son sus valores mínimo y máximo Esperanza, varianza y Función de distribución Compruébese que: E[X ] = a + b (b a)2 Var[X ] = y que: si x < a x a F (x) = b a si a x < b 1 si x b Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
38 Variable aleatoria Exponencial Definición X es una v.a. exponencial negativa de parámetro 1, (λ > 0) si su f (x), es: λ f (x) = { λe λx si x > 0 0 en otro caso La notación para este tipo de v.a. es: X Exp(λ) Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
39 Variable aleatoria Exponencial Idea de una v.a. exponencial A medida que se aleja del cero la probabilidad de ocurrencia disminuye Sólo pueden darse valores positivos Es frecuente el uso de esta v.a. para modelizar tiempos Esperanza, varianza y Función de distribución Compruébese que: E[X ] = 1 λ Var[X ] = 1 λ 2 y que: { 0 si x < 0 F (x) = 1 e λx si x 0 Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
40 Variable aleatoria Normal Importancia de la Normal Gran número de aplicaciones que presenta: biometría (tallas, pesos, envergaduras, perímetros), sociología (puntuaciones en un test, respuestas en encuestas), psicología (cociente intelectual, grado de adaptación a un medio),... Bajo ciertas condiciones cualquier v.a. se comporta de manera aproximada como una v.a. Normal. Definición X es una v.a. Normal o de Gauss de parámetros µ y σ si su función de densidad asociada, f (x), tiene la siguiente forma: f (x) = 1 2πσ 2 e 1 2 ( x µ σ ) 2 x R, µ R, σ > 0 Notación: X N (µ, σ) Además E[X ] = µ y Var[X ] = σ 2 Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
41 Variable aleatoria Normal X N (µ, σ) f (x) = 1 2πσ 2 e 1 2 ( x µ σ ) 2 x R, µ R, σ > 0 Máximo de f (x) en x = µ. Simetría respecto recta x = µ Dominio es R Asíntota en el eje X Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
42 Variable aleatoria Normal X N (µ, σ) f (x) = 1 2πσ 2 e 1 2 ( x µ σ ) 2 x R, µ R, σ > 0 Los valores más probables para una v.a. normal son aquellos que estén más cercanos µ Conforme nos separamos de ese valor µ, la probabilidad va decreciendo de igual forma a derecha y a izquierda Conforme nos separamos de ese valor µ, la probabilidad va decreciendo de forma más o menos rápida dependiendo de σ Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
43 Variable aleatoria Normal Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
44 Variable aleatoria Normal F (x) = P[X x] = x f (x)dx = x 1 e 1 2 ( x µ σ ) 2 2πσ 2 La función de distribución es el área sombreada bajo el gráfico de f (x), y se calcula integrando la función de densidad Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
45 Variable aleatoria Normal Tipificación: Si X N (µ, σ) Z = X µ σ N (0, 1) Z N (0, 1) resultante de la tipificación: normal estándar o normal tipificada. E[Z] = 0, Var[Z] = 1 f (z) simétrica respecto el eje Y Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
46 Variable aleatoria Normal Tipificación: Si X N (µ, σ) Z = X µ σ N (0, 1) Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
47 Variable aleatoria Normal Tipificación: Si X N (µ, σ) Z = X µ σ N (0, 1) Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
48 Variable aleatoria Normal Tipificación: Si X N (µ, σ) Z = X µ σ N (0, 1) Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
49 Aproximación entre variables aleatorias Esperanza y varianza de algunas v.a. X B(n, p) con E[X ] = np y con Var[X ] = npq X P(λ) con E[X ] = λ y con Var[X ] = λ X N (µ, σ) con E[X ] = µ y con Var[X ] = σ 2 Aproximaciones i) X B(n, p) con n 30 y np 10 B(n, p) P(λ = np) ii) X B(n, p) con n 30 y np > 10 B(n, p) N (µ = np, σ = npq) iii) X P(λ) con λ > 10 P(λ) N (µ = λ, σ = λ) Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
50 Variable aleatoria t de Student V.A. t de Student densidad 0,4 0,3 0,2 0,1 Grad. de libertad x Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
51 Variable aleatoria χ 2 V.A. Chi- Cuadrado de Pearson densidad 0,16 0,12 0,08 0,04 Grad. de libertad x Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
52 Bibliografía Aguilera A. M. (2000): Curso y ejercicios de cálculo de probabilidades. Ed. La autora (Depósito legal: GR ). Canavos G. C. (2003): Probabilidad y Estadística. Aplicaciones y Métodos. McGraw-Hill, Madrid. (Capítulos II al V) Martín-Andrés A. y Luna del Castillo J.D. (2004): Bioestadística para las ciencias de la Salud. Norma, Madrid. (Capítulos III y IV) Milton J.S. (2007): Estadística para Biología y Ciencias de la Salud. edición ampliada. McGraw-Hill Interamericana, Madrid. (Capítulos II al V) Rius F. y Barón F.J. (2005): Bioestadística. Thomson, Madrid. (Capítulos IV al VI) Spiegel M.R.; Schiller J. y Alu R. (2009): Probabilidad y Estadística (3 a edición). McGraw-Hill Interamericana, México DF. Valderrama M.J. (2011): Biometría. Ediciones Sider, Granada. (Capítulo VI) 3 a Francisco M. Ocaña Peinado (UGR) TEMA 3 Curso 2017/ / 52
Procesos 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 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 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 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 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 detallesGRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD
GRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD Prof. Rosario Martínez Verdú TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD 1. Nociones básicas de teoría de la probabilidad. 2. Variable
Más 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 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 detallesIMADIL /12/2014
IMADIL 2014 1. Introducción 2. Definiciones previas 3. Axiomas de la probabilidad 4. Definición de variable aleatoria 5. Variables aleatorias discretas y continuas 6. Modelos de probabilidad: Distribución
Más 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 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 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 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 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 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 detallesCuando la distribución viene dada por una tabla: 2. DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA.
1. DISTRIBUCIONES ESTADÍSTICAS. El siguiente grafico corresponde a una distribución de frecuencias de variable cuantitativa y discreta pues solo puede tomar valores aislados (0, 1, 2, 3, 10). Se trata
Más detallesMATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
MATEMÁTICAS II PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con sucesos. Leyes de De Morgan.
Más 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 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 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 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 detalles1. Variables Aleatorias Discretas
Tema 4: Variables Aleatorias Modelos de Probabilidad 1. Variables Aleatorias Discretas Lo que pretendemos en este tema es transformar el problema de la asignación de probabilidades a otro consistente en
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 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 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 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 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 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 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 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 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 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 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 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 detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
Más detallesVariables Aleatorias 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 detallesDistribuciones discretas. Distribución binomial
Variables aleatorias discretas y continuas Se llama variable aleatoria a toda función definida en el espacio muestral de un experimento aleatorio que asocia a cada elemento del espacio un número real.
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 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 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 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 detallesFunciones generadoras de probabilidad
Funciones generadoras de probabilidad por Ramón Espinosa Armenta En este artículo veremos cómo utilizar funciones generadoras en teoría de la probabilidad. Sea Ω un conjunto finito o numerable de resultados
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 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 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 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 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 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 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 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 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 detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Experimento aleatorio Probabilidad Definición variable aleatoria: discretas y continuas Función de distribución y medidas Distribución Binomial Distribución de Poisson Distribución
Más detallesObjetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria
Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza
Más 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 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 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 detallesAlgunos conceptos de probabilidad
Algunos conceptos de probabilidad Variables Aleatorias Al realizar un experimento aleatorio muchas veces, esperamos que los resultados obtenidos sean gobernados por sus probabilidades. Así las probabilidades
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 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 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 detallesEstadística Curso
GUIA DOCENTE DE LA ASIGNATURA Estadística Curso 2014-2015 MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Formación Básica Estadística 1º 2º 6 (4.5T + 1.5P) Obligatoria PROFESOR Grupos C y E: Dr. Francisco
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 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 detallesNº Hermanos 30 Alumnos X i f i P(X i ) 0 8 0, , , , , ,00
U.D.3: Distribuciones Discretas. La Distribución Binomial 3.1 Variable Aleatoria Discreta. Función o Distribución de Probabilidad. Variable Aleatoria: - En un experimento aleatorio, se llama variable aleatoria
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 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
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 detallesTema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
Más 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 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 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 detallesResumen de Probabilidad
Definiciones básicas * Probabilidad Resumen de Probabilidad Para calcular la probabilidad de un evento A: P (A) = N o decasosfavorables N o decasosposibles * Espacio muestral (Ω) Es el conjunto de TODOS
Más detallesVariables aleatorias 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 detallesBioestadística. Curso Capítulo 3
Bioestadística. Curso 2012-2013 Capítulo 3 Carmen M a Cadarso, M a del Carmen Carollo, Xosé Luis Otero, Beatriz Pateiro Índice 1. Introducción 2 2. Variable aleatoria 2 2.1. Variables aleatorias discretas...............................
Más detallesTema 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 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 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 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 detallesVARIABLES ALEATORIAS Variable: Característica de los individuos u objetos
1 Definiciones VARIABLES ALEATORIAS Variable: Característica de los individuos u objetos Aleatoria: Azar 1. Una variable aleatoria ( v.a.) es una función que asigna un número real a cada resultado en el
Más detallesESTADÍSTICA INFERENCIAL. Sesión 6: Distribuciones de probabilidad para variables aleatorias continuas
ESTADÍSTICA INFERENCIAL Sesión 6: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Las variables aleatorias discretas son aquellas que toman estrictamente valores enteros,
Más detallesBiometría. Distribuciones de probabilidad para variables aleatorias discretas (Binomial, Hipergeométrica y Poisson)
Biometría Distribuciones de probabilidad para variables aleatorias discretas (Binomial, Hipergeométrica y Poisson) Variable aleatoria El resultado de un experimento aleatorio puede ser descripto en ocasiones
Más detallesTEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL.
TEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL. 10.1 Experimentos aleatorios. Sucesos. 10.2 Frecuencias relativas y probabilidad. Definición axiomática. 10.3 Distribuciones de
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 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 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 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 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 detallesGrupo 23 Semestre Segundo examen parcial
Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige
Más detallesSEÑALES Y SISTEMAS Clase 5
SEÑALES Y SISTEMAS Clase 5 Carlos H. Muravchik 15 de Marzo de 2018 1 / 43 Habíamos visto: Repaso Probabilidades (sobrevuelo) Veremos: 1. Repaso Probabilidades 2. Repaso Variables aleatorias. Distribuciones.
Más 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 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 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 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 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 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 detalles