Ma34a Probabilidades y Procesos Estocásticos 21 de Noviembre, Resumen No. 3
|
|
- Julio Soriano Rey
- hace 5 años
- Vistas:
Transcripción
1 Ma34a Probabilidades y Procesos Estocásticos 21 de Noviembre, 2004 Resumen No. 3 Prof. Cátedra: M. Kiwi Prof. Auxiliares: M. Soto, R. Cortez 1 Variables Aleatorias 1.1 Variables Aleatorias Absolutamente Continuas En lo que sigue sea (Ω, F, P) un espacio de probabilidad y X una variable aleatoria sobre el espacio medible (Ω, F) Definición 1 [Variable Aleatoria Absolutamente Continua] Se dice que X es una variable aleatoria absolutamente continua si existe una función f X : R R tal que para todo C R para el cual {X C} F se tiene que P ({X C}) = f X (x)dx. A la función f X se le denomina función densidad de la variable aleatoria X. C Proposición 1 Sea X una variable aleatoria absolutamente continua, se tiene que F X (t) = f X (x)dx = 1 y P ({X = t}) = 0 para todo t R. t f X (x)dx y si f X es continua en t, entonces f X (t) = d dt F X(t). Proposición 2 Si X es variable aleatoria y h : R R es tal que {x R h(x) f X (x)} es numerable, entonces h también es función densidad de X, i.e., para todo t R, F X (t) = t f X (x)dx = t h(x)dx. En particular, la función densidad de una variable aleatoria no es única. Proposición 3 Sea X una variable aleatoria absolutamente continua. Sean D, R R tales que R \ f 1 X ({0}) D y g : D R tal que Y = g(x) es variable aleatoria (en particular esto ocurre cuando g es continua). Sigue que F Y (t) = P ({ X g 1 ((, t]) }). 1
2 Resumen No. 3: 21 de Noviembre, Si además g es biyectiva y diferenciable, entonces Y es absolutamente continua y f f Y (t) = X (g 1 (t)) d dt g 1 (t) si t R, 0 en caso contrario. Modelos absolutamente continuos: A continuación se da la fórmula de la función densidad f X y los parámetros de varias distribuciones importantes de variables aleatorias X absolutamente continuas. Uniforme: X es una uniforme de parámetros a, b R, a < b, denotado X Uniforme(a, b), si { 1 si x [a, b], f X (x) = b a 0 en caso contrario. Exponencial: X es una exponencial de parámetro λ R, λ > 0, denotado X Exponencial(λ), si { λe λx si x 0, f X (x) = 0 en caso contrario. Normal: X es una normal de parámetros µ, σ 2 R, σ > 0, denotado X Normal(µ, σ 2 ), si f X (x) = 1 2πσ e (x µ)2 /2σ 2, si x R. Gama: X es una gama de parámetros λ, p R, λ, p > 0, denotado X Gama(p, λ), si 1 f X (x) = Γ(p) λ(λx)p 1 e λx, si x > 0, 0 en caso contrario, donde Γ(p) = 0 x p 1 e x dx. Chi-cuadrado: X es una chi-cuadrado con n N \ {0} grados de libertad, i.e., X χ 2 n, si 1 f X (x) = 2 n/2 Γ(n/2) xn/2 1 e x/2, si x > 0, 0 en caso contrario, donde Γ(p) = 0 x p 1 e x dx. Cauchy: X es una Cauchy de parámetro µ, σ R, σ > 0, denotado X Cauchy(µ, σ), si f X (x) = 1 πσ ( σ (x µ) 2), si x R. 2
3 Resumen No. 3: 21 de Noviembre, Beta: X es una beta de parámetros a, b R, a, b > 0, denotado X Beta(a, b), si Γ(a + b) f X (x) = Γ(a)Γ(b) xa 1 (1 x) b 1 si x [0, 1], 0 en caso contrario, donde Γ(p) = 0 x p 1 e x dx. Proposición 4 Si X Normal(µ, σ 2 ) y Φ denota la función distribución de una Normal(0, 1), entonces 1. Φ( t) = 1 Φ(t) cualquiera sea t R, 2. si a, b R, a 0, entonces ax + b Normal(aµ + b, a 2 σ 2 ), en particular (X µ)/σ Normal(0, 1). 2 Distribución Conjunta de Variables Aleatorias En lo que sigue sea (Ω, F, P) un espacio de probabilidad y X 1,..., X n variables aleatorias sobre el espacio medible (Ω, F). Denotaremos por X al vector aleatorio (X 1,..., X n ), por X i a su i ésima coordenada X i, y por X ( i) al vector aleatorio (X 1,..., X i 1, X i+1,..., X n ). Definición 2 [Función Distribución Conjunta] A F X : R n R se le llama función distribución conjunta de X 1,..., X n si para todo t 1,..., t n R, F X (t 1,..., t n ) = P ({X 1 t 1,..., X n t n }). Proposición 5 Para todo i {1,..., n} y t i R, F Xi (t i ) = lim... t 1 lim t i 1 lim... lim F t i+1 t X (t 1,..., t n ). n Definición 3 [Funciones Distribución Marginales] A las funciones distribución F X1,..., F Xn también se les denomina funciones distribución marginales de F X. Proposición 6 Se tiene que: 1. F X es no decreciente en cada una de sus coordenadas, 2. lim t 1... lim t n F X (t 1,..., t n ) = 1, y para todo t 1,..., t i 1, t i+1,..., t n R lim t X (t 1,..., t n ) i = 0 lim t X (t 1,..., t n ) i = F X ( i)(t 1,..., t i 1, t i+1,..., t n ).
4 Resumen No. 3: 21 de Noviembre, Definición 4 [Variables Aleatorias Conjuntamente Discretas] Se dice que X 1,..., X n son variables aleatorias conjuntamente { discretas ({ si toman }) a } lo más una cantidad( numerable ) de valores distintos, i.e., si S X = a R n P X = a > 0 es numerable y P X S X = 1. Al conjunto S ({ X se le denomina }) soporte del vector aleatorio X y a la función p X : R [0, 1] tal que p X ( a) = P X = a se le denomina función densidad de probabilidad conjunta de X 1,..., X n. Proposición 7 Sean X 1,..., X n variables aleatorias conjuntamente discretas, se tiene que 1. p X ( a) = 1 y si a S X entonces p X ( a) = 0. a S X 2. F X ( t) = p X ( a), para todo t R n. a S X :a 1 t 1,...,a n t n 3. p Xi (t i ) = p X ( a), para todo t R n. a S X : a i= t i Definición 5 [Funciones Densidad de Probabilidad Marginales] A las funciones densidad de probabilidad p X1,..., p Xn también se les denomina funciones densidad de probabilidad marginales de p X. Definición 6 [Variables Aleatorias Conjuntamente Continuas] Se dice que X 1,..., X n son variables aleatorias conjuntamente { } continuas si existe una función f X : R n R tal que para todo C R n para el cual X C F se tiene que ({ }) P X C = f X (x 1,..., x n )dx 1 dx n. C A la función f X se le denomina función densidad conjunta de X 1,..., X n. Proposición 8 Sean X 1,..., X n variables aleatorias conjuntamente continuas, se tiene que 1. f X (x 1,..., x n )dx 1 dx n = 1. R n t1 tn 2. F X (t 1,..., t n ) = f X (x 1,..., x n )dx 1 dx n para todo t R n, y si f X es continua en a R n n, entonces f X ( a) = F X (t 1,..., t n ) t 1... t n t= a. 3. f Xi (x i ) = + + f X (x 1,..., x n )dx 1 dx i 1 dx i+1 dx n para todo x i R. Definición 7 [Funciones Densidad Marginales] A las funciones densidad de probabilidad f X1,..., f Xn también se les denomina funciones densidad marginales de f X.
5 Resumen No. 3: 21 de Noviembre, Definición 8 [Variables Aleatorias Independientes] Se dice que X 1,..., X n son variables aleatorias independientes si para todo A 1,..., A n R tal que {X 1 A 1 },..., {X n A n } F, ( n ) P {X i A i } = P ({X i A i }). Una colección infinita de variables aleatorias se dice independiente si cualquier subcolección finita de ellas es independiente. Lema 1 X 1,..., X n son independientes sí y sólo si F X (t 1,..., t n ) = F Xi (t i ). Corolario 1 X 1,..., X n son variables aleatorias independientes sí y sólo si p X ( a) = f X ( t) = p Xi (a i ) para todo a S X en el caso que X 1,..., X n sean conjuntamente discretas. f Xi (t i ) para todo t R n en el caso que X 1,..., X n sean conjuntamente continuas. Lema 2 Sea I N. Si {X i } i I es una colección de variables aleatorias independientes y para todo i I la función g i : D i R R es tal que P ({X i D i }) = 1 e Y i = g i (X i ) es variable aleatoria, entonces {Y i } i I es una colección de variables aleatorias independientes. Lema 3 [Suma de Variables Aleatorias Independientes] Si X 1 e X 2 son variables aleatorias independientes, entonces p X1+X 2 (c) = p X1 (a)p X2 (c a) = p X1 (c b)p X2 (b) en el caso que X 1 y X 2 sean a S X1 b S X2 conjuntamente discretas, f X1+X 2 (t) = f X1 (x)f X2 (t x)dx = f X1 (t x)f X2 (x)dx en el caso que X 1 y X 2 sean conjuntamente continuas. R R Lema 4 Si X 1,..., X n son variables aleatorias independientes tales que X i Normal(µ i, σi 2 ), entonces X i Normal( µ i, σi 2 ), y si además X 1,..., X n son idénticamente distribuidas n n n de acuerdo a una Normal(µ, σ 2 ), entonces 1 n n X i Normal(µ, σ2 n ). Lema 5 [Método del Jacobiano] Sean X 1,..., X n variables aleatorias conjuntamente continuas. Sean D, R R n tales que P ({X D}) = 1 y g = (g 1,..., g n ) : D R tal que para todo i {1,..., n} se tiene que Y i = g i (X 1,..., X n ) es variable aleatoria (en particular esto último ocurre cuando g i es continua). Si además
6 Resumen No. 3: 21 de Noviembre, g es biyección, i.e., para todo (y 1,..., y n ) R, el sistema de ecuaciones y i = g i (x 1,..., x n ), i {1,..., n}, tiene solución única x i = h i (y 1,..., y n ). 2. las funciones g 1,..., g n son tales que todas sus derivadas parciales son continuas y que el Jacobiano de g es no nulo para todo (x 1,..., x n ) D, i.e., (x 1,..., x n ) D = J(x 1,..., x n ) def = Det g 1 g 1 x 1 x n..... g n g n x 1 x n Entonces, se tiene que Y 1,..., Y n son variables aleatorias conjuntamente continuas y (x 1,...,x n) 0. f Y ( y) = = { f X ( g 1 ( y)) J( g 1 ( y)) 1, si y R, 0, en caso contrario. { f X ( h( y)) J( h( y)) 1, si y R, 0, en caso contrario.
Modelos 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 detallesResumen No Distribución Conjunta de Variables Aleatorias (contin.) Ma34a Prob. y Proc. Estocásticos 29 de Junio, 2006
Ma34a Prob. y Proc. Estocásticos 29 de Juio, 2006 Resume No. 3 Prof. Cátedra: M. Kiwi Prof. Auxiliares: A. Cotreras, R. Cortez 1. Distribució Cojuta de Variables Aleatorias (coti. Defiició 1 [Variables
Más detallesMomentos de Funciones de Vectores Aleatorios
Capítulo 1 Momentos de Funciones de Vectores Aleatorios 1.1 Esperanza de Funciones de Vectores Aleatorios Definición 1.1 Sea X = (X 1,..., X n ) un vector aleatorio (absolutamente continuo o discreto)
Más detallesProbabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
Más 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 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 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 detallesVariables aleatorias continuas y Teorema Central del Limite
Variables aleatorias continuas y Teorema Central del Limite FaMAF 17 de marzo, 2015 Variables aleatorias continuas Definición Una variable aleatoria X se dice (absolutamente continua) si existe f : R R
Más detallesCurso Propedéutico de Cálculo Sesión 6: Aplicaciones de la Integración
por Curso Propedéutico de Cálculo Sesión 6: de la Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico Esquema por 1 por 2 Esquema por 1 por 2 por Al contrario
Más detallesTema 7: Modelos de variables aleatorias discretas y absolutamente continuas
Tema 7: Modelos de variables aleatorias discretas y absolutamente continuas. Introdución En este tema estudiaremos algunas distribuciones asociadas a variables aleatorias discretas y absolutamente continuas,
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 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 detallesVariables aleatorias continuas, TCL y Esperanza Condicional
Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función
Más detallesModelo de Probabilidad
Capítulo 1 Modelo de Probabilidad 1.1 Definiciones y Resultados Básicos Sea Ω un conjunto arbitrario. Definición 1.1 Una familia no vacía F de subconjuntos de Ω es llamada una σ-álgebra de subconjuntos
Más detallesA. Probabilidad. Resultados. Elementos ω del espacio muestral, también llamados puntos muestrales o realizaciones.
Tema 1. Espacios de Probabilidad y Variables Aleatorias: Espacios de Probabilidad. 1 A. Probabilidad. Un experimento aleatorio tiene asociados los siguientes elementos: Espacio muestral. Conjunto Ω 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 detallesFórmulas, Resultados y Tablas Cálculo de Probabilidades y Estadística Matemática
DEPARTAMENT D ESTADÍSTICA I INVESTIGACIÓ OPERATIVA Fórmulas, Resultados y Tablas Cálculo de Probabilidades y Estadística Matemática A. Distribuciones de variables aleatorias. 1. Descripción de una distribución
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 detallesAlgunos modelos clásicos de distribuciones asociadas a variables aleatorias discretas y absolutamente continuas
Algunos modelos clásicos de distribuciones asociadas a variables aleatorias discretas y absolutamente continuas Dpto. de Estadística e Investigación Operativa Universidad de Sevilla. Variables Aleatorias
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 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 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 detallesIntroducción a los Procesos de Poisson *
Introducción a los Procesos de Poisson * Victor M. Pérez Abreu C. Departamento de Probabilidad y Estadística, CIMAT David Reynoso Valle Licenciatura en Matemáticas, DEMAT, Universidad de Guanajuato 22
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 detallesCálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
Más detallesRepaso de Teoría de la Probabilidad
Repaso de Teoría de la Probabilidad Luis Mendo Tomás Escuela Politécnica Superior Universidad Autónoma de Madrid Febrero de 2008 1. Introducción Este documento contiene, de forma esquemática, los conceptos
Más detallesFunciones de Variables Aleatorias. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Funciones de Variables Aleatorias UCR ECCI CI-135 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción En los métodos estadísticos estándar, el resultado de la prueba
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesFamilias de distribuciones
Capítulo 2 Familias de distribuciones 2.1. Introducción Las distribuciones estadísticas son usadas para modelar poblaciones a través de un miembro de una familia de distribuciones. Cada familia se encuentra
Más detallesModelado de la aleatoriedad: Distribuciones
Modelado de la aleatoriedad: Distribuciones Begoña Vitoriano Villanueva Bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid I. Distribuciones Discretas Bernoulli (p) Aplicaciones:
Más 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 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 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 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 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 detallesProbabilidades y Procesos Estocásticos
Probabilidades y Procesos Estocásticos Resumen Control 3 Profesor Iván Rapaport Auxiliar Abelino Jiménez G. Universidad de Chile Indice General 1 Resumen de la Materia. Variable Aleatorias. Discretas y
Más detallesI. Distribuciones discretas
Probabilidades y Estadística (M) Funciones de densidad o probabilidad puntual, esperanzas, varianzas y funciones características de las variables aleatorias más frecuentes I. Distribuciones discretas 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 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 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 detallesHoja 4 Variables aleatorias multidimensionales
Hoja 4 Variables aleatorias multidimensionales 1.- Estudiar si F (x, y) = 1, si x + 2y 1, 0, si x + 2y < 1, es una función de distribución en IR 2. 2.- Dada la variable aleatoria 2-dimensional (X, Y )
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 detallesTEMA 3.- VECTORES ALEATORIOS.- CURSO
TEMA 3.- VECTORES ALEATORIOS.- CURSO 017-018 3.1. VARIABLES ALEATORIAS BIDIMENSIONALES. FUNCIÓN DE DISTRIBUCIÓN CONJUNTA. 3.. VARIABLES BIDIMENSIONALES DISCRETAS. 3.3. VARIABLES BIDIMENSIONALES CONTINUAS.
Más detallesRepaso de álgebra de matrices y probabilidad. Javier Santibáñez (IIMAS, UNAM) Regresión Semestre / 58
Repaso de álgebra de matrices y probabilidad Javier Santibáñez (IIMAS, UNAM) Regresión Semestre 2017-2 1 / 58 Preliminares Definición (matriz) Una matriz de dimensión m n es un arreglo rectangular de números
Más detallesPérdida Esperada. Pérdida Esperada (PE): Valor esperado de pérdida por riesgo crediticio en un horizonte de tiempo determinado.
Pérdida Esperada Uno de los objetivos de este estudio es construir una función de pérdidas para el portafolio de la cartera de préstamos que ofrece la entidad G&T Continental, basados en el comportamiento
Más detalles6-1. Dos preguntas sobre 100 tiradas de dado
Semana 6 Esperanza y Varianza 6-1. Dos preguntas sobre 100 tiradas de dado 6-2. Esperanza 6-3. Propiedades básicas de la esperanza 6-4. Distancia esperada a la media 6-5. Varianza 6-6. Demostraciones 6-1.
Más detallesMétodos matemáticos: Análisis funcional
Métodos matemáticos: Análisis funcional Conceptos y resultados fundamentales Curso 2011/2012 Aquí encontrarás los Teoremas hay que saber para el primer parcial ( 1) así como las definiciones, problemas
Más detallesProbabilidad y Estadística (Borradores, Curso 23) Variables aleatorias (3) Funciones
Probabilidad y Estadística (Borradores, Curso 23 Variables aleatorias (3 Funciones Sebastian Grynberg de abril de 20... el único héroe válido es el héroe en grupo, nunca el héroe individual, el héroe solo.
Más detalles3. Variables aleatorias
3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución
Más detallesTema 2: Variables Aleatorias Unidimensionales
Tema 2: Variables Aleatorias Unidimensionales Teorı a de la Comunicacio n Curso 27-28 Contenido 1 Concepto de Variable Aleatoria 2 Función Distribución 3 Clasificación de Variables Aleatorias 4 Función
Más 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 detallesTransformaciones de variables aleatorias (Borradores, Curso 23)
Transformaciones de variables aleatorias Borradores, Curso 23 Sebastian Grynberg 3 de abril de 203 Mi unicornio azul ayer se me perdió, pastando lo dejé y desapareció. Silvio Rodríguez Índice. Funciones
Más detallesPráctica 11 Probabilidades
Matemáticas Especiales II Año 2014 Prof: T. S. Grigera JTP: V. Fernández AD: S. Franchino Práctica 11 Probabilidades Esta práctica abarca los siguientes temas: a) Definiciones y axiomas. Interpretación
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 detallesFunción Característica
Germán Bassi 21 de marzo de 211 1. Variable Aleatoria Continua Para una variable aleatoria escalar y continua X, la función característica se define como el valor esperado de e jωx, donde j es la unidad
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 detallesRuido en los sistemas de comunicaciones
Capítulo 2 Ruido en los sistemas de comunicaciones Cuando una señal se transmite a través de un canal de comunicaciones hay dos tipos de imperfecciones que hacen que la señal recibida sea diferente de
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más 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 detallesUniversidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Matemática MA Probabilidades y Estadística
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Matemática MA3403 - Probabilidades y Estadística Vectores Aleatorios Alberto Vera Azócar, albvera@ing.uchile.cl.
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 detallesMaestría en Matemáticas
Reactivos Propuestos para Examen de Admisión (ASN) Ingreso en Agosto de 203. Sea R el conjunto de los números reales y S el conjunto de todas las funciones valuadas en los reales con dominio en R. Muestre
Más detallesTablas de Probabilidades
Tablas de Probabilidades Ernesto Barrios Zamudio José Ángel García Pérez José Matuk Villazón Departamento Académico de Estadística Instituto Tecnológico Autónomo de México Mayo 2016 Versión 1.00 1 Barrios
Más detallesAnálisis de Fourier. Resumen de los apuntes de D. Antonio Cañada Villar. Sergio Cruz Blázquez. Curso 2015/2016
Análisis de Fourier Resumen de los apuntes de D. Antonio Cañada Villar Curso 2015/2016 Sergio Cruz Blázquez Índice 1 El espacio L 2 (a, b) Definición y primeras notas El espacio L 1 (a, b) L 2 (a, b) como
Más detallesEspacio de Probabilidad
Capítulo 1 Espacio de Probabilidad 1.1 Definiciones y Resultados Básicos Sea Ω un conjunto arbitrario. Definición 1.1 Una familia no vacía F de subconjuntos de Ω es llamada una σ-álgebra de subconjuntos
Más detallesProcesos de Poisson. 21 de marzo, FaMAF 1 / 25
Procesos de Poisson FaMAF 21 de marzo, 2013 1 / 25 Distribución exponencial Definición Una v.a. X con función de densidad dada por f λ (x) = λ e λx, x > 0, para cierto λ > 0 se dice una v.a. exponencial
Más detallesU3: Procesos Poisson. Probabilidad e Introducción a los Procesos Estocásticos. Mgs. Nora Arnesi
U3: Procesos Poisson Probabilidad e Introducción a los Procesos Estocásticos. Mgs. Nora Arnesi Analizar el siguiente proceso estocástico: Una fuente radioactiva emite partículas y sea X t : número de partículas
Más detallesTema 2. Distribuciones propias del análisis multivariante.
Tema 2. Distribuciones propias del análisis multivariante. Concepto de matriz aleatoria Una matriz aleatoria de orden n p es una función medible X sobre un espacio de probabilidad (Ω, A, P con valores
Más detallesFunción característica. Sean X e Y v.a. en (Ω, A, P), Z = X + iy es una variable aleatoria compleja, es decir, Z : Ω C.
Función característica Sean X e Y v.a. en (Ω, A, P), Z = X + iy es una variable aleatoria compleja, es decir, Z : Ω C Z(w) =X(w)+i Y(w) w Ω La esperanza de Z se define: si E(X)
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
Más detallesExamen de Estadística
Examen de Estadística Grado en Ingeniería de Telecomunicación 4 de Junio de 03 Cuestiones solucion h 30m C. (p) Un sistema de comunicación está compuesto por los componentes A, B, C, D y E, donde cada
Más detallesJulio Deride Silva. 6 de agosto de 2010
Repaso Matemático Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 6 de agosto de 2010 Tabla de Contenidos Repaso Matemático Julio Deride Silva Área
Más detallesGráficas de funciones de masa de probabilidad y de función de densidad de probabilidad de Distribuciones especiales. x n
Gráficas de funciones de masa de probabilidad y de función de densidad de probabilidad de Distribuciones especiales 1. Función de distribución binomial: Si X distribuye bin ( n, p), entonces f n x x n
Más detallesCÁLCULO DIFERENCIAL. Víctor Manuel Sánchez de los Reyes. Departamento de Análisis Matemático Universidad Complutense de Madrid
CÁLCULO DIFERENCIAL Víctor Manuel Sánchez de los Reyes Departamento de Análisis Matemático Universidad Complutense de Madrid Índice 1. Conceptos topológicos y métricos 5 1.1. Métricas, normas y productos
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 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 detallesFORMULARIO DE DISTRIBUCIONES DE PROBABILIDAD
FORMULARIO DE DISTRIBUCIONES DE PROBABILIDAD Jorge M. Galbiati pág. DISTRIBUCION BINOMIAL 2 DISTRIBUCION POISSON 4 DISTRIBUCION HIPERGEOMETRICA 5 DISTRIBUCION GEOMETRICA 7 DISTRIBUCION NORMAL 8 DISTRIBUCION
Más detallesIntroducción. Capítulo Introducción. Sea {X n, n 1} una sucesión de v.a.i.i.d. con f.d. común F y definamos
Capítulo 1 Introducción 1.1. Introducción Sea {X n, n 1} una sucesión de v.a.i.i.d. con f.d. común F y definamos La distribución de esta variable aleatoria es Definimos M n = máx i n X i. P (M n x) = P
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 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 detallesEstadística 1 - Curso 2010
Estadística - Curso 200 Profesor: Jorge Ponce Ayudantes: Luis Freda y Pablo Miguez Facultad de Ciencias Económicas y de Administración Universidad de la República Montevideo, agosto-diciembre 200 (FCEyA)
Más detallesCapítulo 1. Teoría de la probabilidad Teoría de conjuntos
Capítulo 1 Teoría de la probabilidad 1.1. Teoría de conjuntos Definición 1.1.1 El conjunto S de todos los posibles resultados de un experimento aleatorio es llamado el espacio muestral. Un espacio muestral
Más detallesEl σ-álgebra de Borel, la Medida de Lebesgue y la Medida de Probabilidad Uniforme.
El σ-álgebra de Borel, la Medida de Lebesgue y la Medida de Probabilidad Uniforme. 1 El Problema de la Teoría de la Probabilidad. Origen y definición del problema. Recordemos que la medida de probabilidad
Más detallesPráctica 3 Esperanza Condicional
1. Generalidades Práctica 3 Esperanza Condicional 1. Sea (X i ) i I una familia de variables aleatorias definidas sobre un mismo espacio medible (Ω, F) y sea Y otra variable aleatoria en este espacio.
Más detalles1. Teoría de probabilidad
Disclaimer: Este apunte no es autocontenido y fue pensado como un repaso de los conceptos, no para aprenderlos de aquí directamente 1 Teoría de probabilidad Definición 1 (espacio muestral) Un espacio muestral
Más detallesDistribución Gaussiana Multivariable
Distribución Gaussiana Multivariable Carlos Belaustegui Goitia, Juan Augusto Maya 8 de Agosto de Resumen En este documento presentamos la deducción de la expresión de la función densidad de probabilidad
Más detallesInstituto de Matemática Aplicada del Litoral
PROBLEMAS DE BARRERA EN PROCESOS ESTOCÁSTICOS Ernesto Mordecki http://www.cmat.edu.uy/ mordecki mordecki@cmat.edu.uy Facultad de Ciencias Montevideo, Uruguay. Instituto de Matemática Aplicada del Litoral
Más detallesCurso Propedéutico de Cálculo Sesión 7:
Curso Propedéutico de Cálculo Sesión 7: Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico Esquema 1 2 3 4 Esquema 1 2 3 4 Hasta ahora nos hemos enfocado en funciones
Más detallesEXÁMEN INFERENCIA ESTADÍSTICA I Diplomado en Estadística Convocatoria de Febrero 2006
EXÁMEN INFERENCIA ESTADÍSTICA I Diplomado en Estadística Convocatoria de Febrero 6 Problema ( ptos) Considera un experimento aleatorio con espacio muestral Ω. a) Definir una σ-álgebra A sobre Ω. b) Dar
Más detallesPROCESOS ESTOCÁSTICOS II Ejercicios - Semestre 2009-I
PROCESOS ESTOCÁSTICOS II Ejercicios - Semestre 29-I Proceso de Poisson y Procesos de Renovación 1. Los clientes de una tienda entran al establecimiento de acuerdo a un proceso de Poisson de parámetro λ
Más detallesCÁLCULO II Grados en Ingeniería
CÁLCULO II Grados en Ingeniería Domingo Pestana Galván José Manuel Rodríguez García Figuras realizadas con Arturo de Pablo Martínez Capítulo 1. Cálculo diferencial 1.1 Funciones. Límites y continuidad
Más detallesOtras distribuciones multivariantes
Trabajo A Trabajos Curso -3 Otras distribuciones multivariantes Clase esférica de distribuciones en R p Definición. Dado un vector aleatorio X = X,..., X p t, se dice que se distribuye en la clase esférica
Más detallesClase 1: Simulación de variables aleatorias *
Clase 1: Simulación de variables aleatorias * Índice 1. Simulación de variables aleatorias 1 1.1. Espacio de Probabilidad. Axiomas de Kolmogorov...... 1 2. Variables aleatorias y distribución de probabilidad
Más detallesVECTORES ALEATORIOS. 1 Introducción. 2 Vectores aleatorios
VECTORES ALEATORIOS 1 Introducción En la vida real es muy frecuente enfrentarnos a problemas en los que nos interesa analizar varias características simultáneamente, como por ejemplo la velocidad de transmisión
Más detallesTécnicas Cuantitativas II Variables Aleatorias Continuas. TC II Variables Aleatorias Continuas 1 / 44
Técnicas Cuantitativas II 2012-2013 Continuas TC II Continuas 1 / 44 TC II Continuas 2 / 44 : Esperanza y Varianza TC II Continuas 3 / 44 : Esperanza y Varianza Una variable, X, es una función X : Ω R
Más detalles