Variables aleatorias
|
|
- Ana Belén Peña Montoya
- hace 5 años
- Vistas:
Transcripción
1 Análisis de datos y gestión veterinaria Variables aleatorias discretas y distribuciones Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 3 de Noviembre de 2011 Variables aleatorias Una variable aleatoria es aquella que toma valores numéricos determinados por el resultado de un eperimento aleatorio. X, variable aleatoria lanzar dado, cada uno de sus valores Función de probabilidad: P(X) = P(X = ) = 1/6 para =1, 2, 3,, 6 1
2 Variables aleatorias Variable aleatoria continua. Entre dos valores dados la variable puede tomar infinitos valores. - Beneficio de una clínica veterinaria. - Producción anual de leche en una eplotación. Variable aleatoria discreta. Entre dos valores dados la variable no puede tomar infinitos valores. - Lanzamiento de un dado. - Clientes anuales de una clínica veterinaria. - Lactaciones de una vaca. Variables aleatorias P(X) 1/6 1/
3 Variables aleatorias P(X) 1/6 Función de probabilidad: P(X) = P(X = ) = 1/6 para =1, 2, 3,, 6 Sea una variable aleatoria discreta con función de probabilidad P(X). Entonces, P( X ) 0 para cada valor de 1/12 P( X ) = Esperanza de v. aleatorias discretas El 81% de las ovejas de una eplotación no han parido, el 17% han parido un borrego y el 2% han parido dos. X = número de borregos de una oveja elegida aleatoriamente X = 0, 1, 2 P(0)=0,81 P(1)=0,17 P()=0,02 cuál sería la medida de centralización más adecuada? Opción a. (0+1+2)/3 = 1 Opción b. 00, , ,02 = 0,21 3
4 Esperanza de v. aleatorias discretas El 81% de las ovejas de una eplotación no han parido, el 17% han parido un borrego y el 2% han parido dos. Valor esperado. E( X ) P( ) µ = = Varianza. σ = ( µ ) P( ) 2 2 Desviación típica. σ = σ 2 Esperanza de v. aleatorias discretas El 81% de las ovejas de una eplotación no han parido, el 17% han parido un borrego y el 2% han parido dos. X = número de borregos de una oveja elegida aleatoriamente X = 0, 1, 2 P(0)=0,81 P(1)=0,17 P()=0,02 Varianza. µ= 0, σ = (0 0,21) 0,81 + (1 0, 21) 0,17 + (2 0,21) 0,02= 0,205 σ = ( µ ) P( ) 2 2 4
5 Esperanza de v. aleatorias discretas Z, X, variables aleatorias a, b, constantes Z = a + bx µ = a+ bµ z σ = bσ z Esperanza de v. aleatorias discretas Un veterinario está interesado en el coste total de la preparación de un caballo PSI para una determinada carrera. El veterinario estima que los medicamentos y suministros costarán y el trabajo de su equipo 900 diarios. Hace una previsión del tiempo que tardará en preparar al caballo, entre días: Día Probabilidad finalización 0,1 0,3 0,3 0,2 0,1 5
6 CT = D µ = a+ bµ Esperanza de v. aleatorias discretas σ = b z σ z µ = µ = ,9 = CT D σ = 900 σ = , 29= CT D σ CT = = 1.022, 2 µ = P( ) = 10 0, , , , ,1= 11, 9 σ = ( µ ) P( ) = 1, Distribución de Bernoulli Distribución binomial Distribución hipergeométrica Distribución de Poisson 6
7 Distribución de Bernoulli Un eperimento aleatorio tiene sólo 2 resultados posibles mutuamente ecluyentes y conjuntamente ehaustivos: 0 y 1, con p probabilidad de 1 y (1-p) probabilidad de 0. P(0) = (1 p) P(1) = p µ = P( ) = 0 (1 p) + 1 p= p σ = ( µ ) P( ) = (0 p) (1 p) + (1 p) p= p(1 p) Distribución de Bernoulli Un ganadero piensa que una vaca concreta tiene una probabilidad de preñez de 0,4. Si se define la variable aleatoria preñez, que toma valor 1=preñez y valor 0=no preñez, tiene una distribución de Bernoulli, donde: P(0)=0,6 P(1)=0,4 µ=p=0,4 σ 2 =p(1-p)=0,4*0,6=0,24 7
8 Distribución de Bernoulli µ=p σ 2 =p(1-p) Distribución binomial Distribución hipergeométrica Distribución de Poisson Distribución de Binomial Bernoulli Un eperimento aleatorio tiene sólo 2 resultados posibles mutuamente ecluyentes y conjuntamente ehaustivos: 0 y 1, con p probabilidad de 1 y (1-p) probabilidad de 0. Si se realizan n repeticiones independientes, la distribución del número de éitos, X, sigue una distribución binomial. n! P( ) = p (1 p)!( n )! µ = np np(1 p) 2 σ = n 8
9 Distribución de Binomial Bernoulli Un eperimento aleatorio tiene sólo 2 resultados posibles mutuamente ecluyentes p = y0,5 conjuntamente ehaustivos: 0 y 1, con p probabilidad de 1 y (1-p) probabilidad de 0. Si se realizan n repeticiones independientes, la distribución del número de0,1 éitos, X, sigue una distribución binomial. P() 0,25 0,2 0,15 0,05 n! n P( ) = p (1 p)!( n )! 0 0 µ 2= np np(1 p) 2 σ = Distribución de Binomial Bernoulli Un eperimento aleatorio tiene sólo 2 resultados posibles mutuamente ecluyentes y conjuntamente ehaustivos: 0 y 1, con p probabilidad de 1 y (1-p) probabilidad de 0. Si se realizan n repeticiones independientes, la distribución del número de éitos, X, sigue una distribución binomial. n! P( ) = p (1 p)!( n )! µ = np np(1 p) 2 σ = n 9
10 La probabilidad de un semental de inseminar con éito es de 0,4. Si realiza 5 cubriciones µ=np=50,4=2 σ 2 =np(1-p)=50,40,6=1,2 Distribución Un La probabilidad eperimento de Bernoulli de aleatorio un semental tiene sólo de inseminar 2 resultados con éito posibles mutuamente de 0,4. Si realiza ecluyentes 5 cubriciones, y conjuntamente cuál esehaustivos: la probabilidad 0 y 1, con de que p probabilidad inseminede con 1 y (1-p) éitoprobabilidad entre 2 y de 4 yeguas? 0. P(2 4)=P(=2)+P(=3)+P(=4)=P(2)+P(3)+P(4) P(2)=(5!/2!3!)(0,4) 2 (0,6) 3 =0,346 P(3)=(5!/3!2!)(0,4) 3 (0,6) 2 =0,230 P(4)=(5!/4!1!)(0,4) 4 (0,6) 1 =0,077 P(2 4)=0,653 n! P( ) = p (1 p)!( n )! n 10
11 Distribución Una fábrica de Bernoulli conservas quiere implantar un sistema de control de calidad a sus proveedores. Decide aceptar los envíos si en una muestra de 20 artículos no hay más de uno defectuoso. P(aceptar envío)=p(0)+p(1) Si la proporción de envíos defectuosos es p=0,1 (n=20): P(aceptar envío)=p(0)+p(1)=0,1216+0,2702=0,3918 Si la proporción de envíos defectuosos es p=0,2 (n=20): P(aceptar envío)=p(0)+p(1)=0,0115+0,0576=0,0691 Si la proporción de envíos defectuosos es p=0,3 (n=20): P(aceptar envío)=p(0)+p(1)=0,0008+0,0068=0,0076 Distribución de Bernoulli µ=p σ 2 =p(1-p) Distribución binomial P()=(n!/!(n-)!)p (1-p) n- µ=np σ 2 =np(1-p) Distribución hipergeométrica Distribución de Poisson 11
12 20% de patatas no aceptables para la industria Distribución hipergeométrica n=5 y si 2 son inaceptables, se rechaza el envío 1 elección: P(no aceptable)=0,2 2 elección: P(no aceptable)=0,2 3 elección = 4 elección = 5 elección 10 patatas, 3 no aceptables 20% de patatas no aceptables para la industria 1 elección: P(no aceptable)=3/10 2 elección: P(no aceptable)=3/10??? Si 1 elección=aceptable, P(no aceptable)=3/9 Si 1 elección=no aceptable, P(no aceptable)=2/9 La distribución hipergeométrica tiene en cuenta la dependencia entre sucesos. 12
13 Distribución binomial Un eperimento aleatorio tiene sólo 2 resultados posibles mutuamente ecluyentes y conjuntamente ehaustivos: 0 y 1, con p probabilidad de 1 y (1-p) probabilidad de 0. Se realizan n repeticiones. Distribución hipergeométrica Un eperimento aleatorio tiene sólo 2 resultados posibles mutuamente ecluyentes y conjuntamente ehaustivos: 0 y 1, con p probabilidad de 1 y (1-p) probabilidad de 0. Se realizan n repeticiones. Los sucesos no son independientes. Distribución hipergeométrica Se elige una muestra aleatoria n de un conjunto de elementos N, S de los cuales son éitos. S! ( N S)! SC SN SCn!( S )! ( n )!( N S n+ )! P( ) = = N! NCn n!( N _ n)! µ = np 2 N n σ = np (1 p ) N 1 13
14 Distribución hipergeométrica Se elige una muestra aleatoria n de un conjunto de elementos N, S de los cuales son éitos. p = 0,5 P() 0,25 S! ( N S)! SC SN SCn!( S )! ( n )!( N S n+ )! P( ) = = 0,2 N! NCn n!( N _ n)! 0,15 0,1 µ = np 0,05 2 N n σ = np (1 p ) 0 N Una fábrica de conservas recibe 20 rollos de aluminio para hacer las latas. Se inspeccionan 6 rollos, aceptando el envío si no hay más de 1 defectuoso. Cuál es la probabilidad de aceptar un envío con 5 rollos defectuosos? 14
15 S! ( N S)! C C!( S )! ( n )!( N S n+ )! N! NCn n!( N _ n)! S SN S n Distribuciones P( de ) = v. aleatorias = discretas Una fábrica de conservas recibe 20 rollos de aluminio para hacer las latas. Se inspeccionan 6 rollos, aceptando el envío si no hay más de 1 defectuoso. Cuál es la probabilidad de aceptar un envío con 5 rollos defectuosos? N=20 P(aceptar)=P(0)+P(1) S=5 5C 15C6 n=6 P( ) = C P C C (0) = = = 0,129 C ! 15! 0!5! 6!9! 20! 6!14! P C C C (1) = = = 0, ! 15! 1!4! 5!10! 20! 6!14! Distribución de Bernoulli µ=p σ 2 =p(1-p) Distribución binomial P()=(n!/!(n-)!)p (1-p) n- µ=np σ 2 =np(1-p) Distribución hipergeométrica µ = np Distribución de Poisson 2 N n σ = np (1 p ) N 1 15
16 La probabilidad de ocurrencia de un suceso es proporcional a la amplitud del intervalo (0 a t) Hay independencia entre el número de ocurrencias en intervalos no solapados La probabilidad de ocurrencia de dos o más sucesos en el intervalo es despreciable en comparación con la probabilidad de una ocurrencia 0 t Distribución de Poisson Número de accidentes mortales en Córdoba en el mes de Enero Número de huelgas anuales en una industria Número de consultas diarias en una clínica, 60 minutos antes del medio día 0 t Distribución de Poisson 16
17 La probabilidad de ocurrencias en el intervalo 0 a t: e P( ) = λ λ! µ = λ σ = λ 2 0 t Distribución de Poisson Un estudio indica el número de huelgas anuales en una fábrica Distribuciones típica con 2.000de empleados, v. aleatorias se puede discretas representar con una distribución de Poisson con media=0,4. La probabilidad de ocurrencias en el intervalo 0 a t: e P( ) = λ λ! µ = λ 0 t Distribución P(2 huelga)=0,67030,16/2=0,053 de Poisson σ = λ P(0 huelgas)=0,67031/1=0,6703 P(1 huelga)=0,67030,4/1=0,
18 Distribución de Bernoulli µ=p σ 2 =p(1-p) Distribución binomial P()=(n!/!(n-)!)p (1-p) n- µ=np σ 2 =np(1-p) Distribución hipergeométrica µ = np Distribución de Poisson 2 N n σ = np (1 p ) N 1 e λ λ P( ) = 2! σ = λ µ = λ 18
TEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...
TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detallesMODELOS DISCRETOS DE PROBABILIDAD
MODELOS DISCRETOS DE PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Modelo Uniforme Discreto Modelo Uniforme Discreto Sea
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 I. Unidad 4: Resumen de Contenidos Teóricos 1. Mariano Lanza DISTRIBUCIONES DE PROBABILIDAD COMÚNMENTE UTILIZADAS
ESTADÍSTICA I Unidad 4: Resumen de Contenidos Teóricos Mariano Lanza DISTRIBUCIONES DE PROBABILIDAD COMÚNMENTE UTILIZADAS. VARIABLES ALEATORIAS DISCRETAS. Distribución Binomial Definición previa: Prueba
Más detallescontablemente infinito.
III. Variables aleatorias Discretas y sus Distribuciones de Probabilidad 1 Variable aleatoria discreta Definición Una variable aleatoria se llama discreta si se puede contar su conjunto de resultados posibles.
Más detallesTeoría Estadística Elemental I Teoría (resumida) del 2 do Tema
Teoría Estadística Elemental I Teoría (resumida) del 2 do Tema Raúl Jiménez Universidad Carlos III de Madrid Noviembre 2011 Consideremos el lanzamiento de un dado, Ω = {1, 2, 3, 4, 5, 6}, y supongamos
Más detallesEstadística Aplicada
Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.
Más detalles9 APROXIMACIONES DE LA BINOMIAL
9 APROXIMACIONES DE LA BINOMIAL 1 Una variable aleatoria sigue una distribución binomial B(n = 1000; p = 0,003). Mediante la aproximación por una distribución de POISSON, calcular P(X = 2), P(X 3) y P(X
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 detallesDistribución de Probabilidad
Distribución de Probabilidad Variables discretas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Modelos probabilísticos Un modelo es una
Más detallesDistribuciones habituales
Distribuciones habituales Tema 5 Eponencial Ignacio Cascos Depto. Estadística, Univerdad Carlos III 1 Ignacio Cascos Depto. Estadística, Univerdad Carlos III 2 Objetivos Adquirir soltura con el manejo
Más detallesESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES DISCRETAS Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL PRINCIPALES DISTRIBUCIONES DISCRETAS Profesor: Celso Celso Gonzales OBJETIVOS Describir las características de las distribuciones de probabilidad de: Binomial, Hipergeometrica y Poisson
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
//2 Análisis de datos y gestión veterinaria Variables aleatorias continuas y distribuciones Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 8 de Noviembre de 2
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 detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
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 detallesJuan Carlos Colonia DISTRIBUCIONES DISCRETAS IMPORTANTES
Juan Carlos Colonia DISTRIBUCIONES DISCRETAS IMPORTANTES BIBLIOGRAFÍA Walpole, Ronal E., Myres, Raymond H., Myres, Sharon L.: Probabilidad y Estadística para Ingenieros. McGraw Hill-Interamericana. Canavos
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 detallesAlgunas Distribuciones EstadísticasTeóricas. Aproximación de la Distribución Binomial por la Distribución de Poisson
Algunas Distribuciones EstadísticasTeóricas Distribución de Bernoulli Distribución de Binomial Distribución de Poisson Aproximación de la Distribución Binomial por la Distribución de Poisson Distribución
Más detallesEl primer momento centrado en el origen (k=1) es la esperanza matemática de X
MOMENTO K-ÉSIMO PARA UNA VARIABLE ALEATORIA DISCRETA RESPECTO DEL ORIGEN E(x) n i 1 k x i.p x i El primer momento centrado en el origen (k=1) es la esperanza matemática de X También se definen momentos
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 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 detallesApuntes de Clases. Modelos de Probabilidad Discretos
2010 Índice 1. Distribución de Bernouilli 2 2. Distribución Binomial 3 3. Distribución Hipergeométrica 3.1. Aproximación Binomial de la distribución Hipergeométrica............. 7 4. Distribución Geométrica
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más detallesTema 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 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 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 detalles1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES
1º BACHILLERATO MATEMÁTICAS CIENCIAS SOCIALES TEMAS 14 y 15.- DISTRIBUCIONES DISCRETAS. LA DISTRIBUCIÓN BINOMIAL. DISTRIBUCIONES CONTINUAS. LA DISTRIBUCIÓN NORMAL 1 1.- VARIABLES ALEATORIAS DISCRETAS Concepto
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 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 detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2017 Agenda 1 Concepto de probabilidad
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 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 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 detalles10 0,1 12 0,3 14 0, , ,15
1. Una variable aleatoria X puede tomar los valores 30, 40, 50 y 60 con probabilidades 0.4, 0., 0.1 y 0.3. Represente en una tabla la función de probabilidad P(X=x), y la función de distribución de probabilidad,
Más detallesDISTRIBUCIÓN DE POISSON
DISTRIBUCIÓN DE POISSON P O I S S O N Siméon Denis Poisson, (1781-1840), astronauta francés, alumno de Laplace y Lagrange, en Recherchés sur la probabilité des jugements..., un trabajo importante en probabilidad
Más detallesESTADÍSTICA. Facultad Nacional de Ingeniería Oruro - Bolivia
ESTADÍSTICA Facultad Nacional de Ingeniería Oruro - Bolivia José Luis Zamorano Escalante Universidad Técnica de Oruro Presentación El termino estadística proviene del latín statisticum collegium ( consejo
Más detallesMatemática 3 Curso 2013
Matemática 3 Curso 2013 Práctica 3: Variables aleatorias discretas. Funciones de distribución Binomial, Geométrica, Hipergeométrica, Poisson. 1) Dadas las siguientes funciones, determinar cuales son funciones
Más detallesTema 4: Distribución de Probabilidades Modelos de distribuciones, Bernoulli, Binomial.
Tema 4: Distribución de Probabilidades Modelos de distribuciones, Bernoulli, Binomial. Algunos modelos de variables aleatorias. Hay v.a. que aparecen con frecuencia en las Ciencias de la Salud. Experimentos
Más detallesUnidad Temática 1: Unidad 3 Distribución de Probabilidad Tema 9
Unidad Temática 1: Unidad 3 Distribución de Probabilidad Tema 9 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesUNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD
UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD La Distribución de Probabilidad (DP) es la relación que se da entre los diferentes eventos de un espacio muestral y sus respectivas probabilidades de ocurrencia.
Más detallesMétodos Estadísticos de la Ingeniería Práctica 5: Distribuciones de Probabilidad y el Teorema Central del
Métodos Estadísticos de la Ingeniería Práctica 5: Distribuciones de Probabilidad y el Teorema Central del Límite Área de Estadística e Investigación Operativa Mariano Amo Salas y Licesio J. Rodríguez-Aragón
Más detallesPoblación. Conjunto completo de individuos sobre el que estamos interesados en obtener conclusiones.
Análisis de datos y gestión veterinaria Muestreo Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 16 de Noviembre de 011 Población y muestra Predecir los resultados
Más detallesProbabilidad y Estadística. Distribuciones Teóricas de Probabilidad
Probabilidad y Estadística Distribuciones Teóricas de Probabilidad Las funciones teóricas de probabilidad corresponden a modelos que permiten epresar teorías sobre el comportamiento ideal de una variable
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 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 detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más 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 6 Algunas distribuciones importantes Hugo S. Salinas
Algunas distribuciones importantes Hugo S. Salinas 1 Distribución binomial Se han estudiado numerosas distribuciones de probabilidad que modelan características asociadas a fenómenos que se presentan frecuentemente
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 detallesDepartamento de Estadística e Investigación Operativa Aplicadas y Calidad. UD 4 Estadística. Distribuciones discretas: Binomial Poisson.
Departamento de Estadística e Investigación Operativa Aplicadas y Calidad UD 4 Estadística Distribuciones discretas: Binomial Poisson www.upv.es Por dónde vamos? muestreo Población Conclusiones válidas
Más detallesEsperanza Condicional
Esperanza Condicional Podemos obtener la esperanza de una distribución condicional de la misma manera que para el caso unidimensional: 129 Caso 2 v.a. discretas X e Y: Caso 2 v.a. continuas X e Y: Percentiles
Más 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 detallesAgenda. Definición Formal de V.A. Ejemplo de Variables Aleatorias. Un ejemplo conceptual de vad Valor de la vad
Agenda Prof. Heriberto Figueroa S. Otoño 9 En este capítulo se abordan, trabajan y se solucionan problemas prácticos atingentes a los siguientes temas: 1. Variable Aleatoria Discreta (vad). Distribuciones
Más detallesTEMA 3.- MODELOS DISCRETOS
TEMA 3.- MODELOS DISCRETOS 3.1. Introducción. 3.2. Distribución uniforme discreta de parámetro n. 3.3.Distribución Bernoulli de parámetro p. 3.4.Distribución Binomial de parámetros n y p. Notación: X Bn,
Más detallesTEMA 6. Distribuciones
TEMA 6. Distribuciones Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 6. Distribuciones 1 / 16 Probabilidad= Distribución= Distribución de Probabilidad Cuando queremos conocer
Más detallesVARIABLES ALEATORIAS
VARIABLES ALEATORIAS Ejemplo: lanzar dos dados y sumar lo que sale en las dos caras. El espacio muestral está formado por los 36 resultados posibles (de lanzar los dados) Y el resultado del experimento
Más detallesCap. Distribuciones de. probabilidad. discreta. Distribuciones de probabilidad. discreta Pearson Prentice Hall. All rights reserved
Cap 6 36 Distribuciones de Distribuciones de probabilidad discreta probabilidad discreta Variables aleatorias Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detallesBloque 5. Probabilidad y Estadística Tema 3. Distribuciones de Probabilidad Ejercicios resueltos
Bloque 5. Probabilidad y Estadística Tema 3. Distribuciones de Probabilidad Ejercicios resueltos 5.3-1 El % de los DVDs de una determinada marca son defectuosos. Si se venden en lotes de 5 unidades, calcular
Más detallesDISTRIBUCIÓN PROBABILÍSTICA BINOMIAL APROXIMACIÓN LA CURVA NORMAL. Juan José Hernández Ocaña
DISTRIBUCIÓN PROBABILÍSTICA BINOMIAL APROXIMACIÓN LA CURVA NORMAL Juan José Hernández Ocaña DISTRIBUCIÓN PROBABILÍSTICA BINOMIAL Variable discreta.- Es aquella que casi siempre asume solamente un conjunto
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 detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #3 Tema: Distribución Discreta Prof.: MSc. Julio Rito Vargas A. Grupo:CCEE y ADMVA /2016 Objetivos: Definir la función de probabilidad
Más detallesModelos de distribuciones discretas y continuas
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas
Más 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 detallesEstadística Grupo V. Tema 10: Modelos de Probabilidad
Estadística Grupo V Tema 10: Modelos de Probabilidad Algunos modelos de distribuciones de v.a. Hay variables aleatorias que aparecen con frecuencia en las Ciencias Sociales y Económicas. Experimentos dicotómicos
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 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 detallesETSI de Topografía, Geodesia y Cartografía
Distribuciones (discretas y continuas) EVALUACIÓN CONTINUA (Tipo I) 14-XII-11 1. Una prueba del examen de Estadística consiste en un cuestionario de 10 preguntas con tres posibles respuestas, solamente
Más detallesTEMA 4. MODELOS DE PROBABILIDAD DISCRETOS
TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS 4.1 Distribución binomial 4.1.1 Definición. Ejemplos 4.1.2 La media y la varianza 4.1.3 Uso de tablas 4.1.4 Aditividad 4.2 Distribución de Poisson 4.2.1 Definición.
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 detallesSESION 12 LA DISTRIBUCIÓN BINOMIAL
SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:
Más detallesDistribuciones de probabilidad discretas
Lind, Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. Distribuciones de probabilidad discretas Capítulo 6 FVela/ McGraw-Hill/Irwin
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
Más detallesModelos probabilísticos
Modelos probabilísticos Variables aleatorias discretas Carlos Gamero Burón José Luis Iranzo Acosta Departamento de Economía Aplicada Universidad de Málaga Parcialmente financiado a través del PIE13-04
Más detallesDistribuciones Dis de probabilidad pr discretas Jhon Jairo Jair Pa P dilla a A., PhD. PhD
Distribuciones de probabilidad discretas Jhon Jairo Padilla A., PhD. Introducción A menudo, las observaciones de diferentes experimentos aleatorios tienen el mismo tipo general de comportamiento. Las v.a.
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 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 detallesProbabilidad, Variables aleatorias y Distribuciones
Prueba de evaluación continua Grupo D 7-XII-.- Se sabe que el 90% de los fumadores llegaron a padecer cáncer de pulmón, mientras que entre los no fumadores la proporción de los que sufrieron de cáncer
Más detallesTema 4. MODELOS DE DISTRIBUCIONES DISCRETOS.
Estadística Tema 4 Curso /7 Tema 4. MODELOS DE DISTRIBUCIONES DISCRETOS. Objetivos Conceptos: Conocer los siguientes modelos discretos de probabilidad: uniforme, binomial, geométrico y Poisson. De cada
Más 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 detallesMODELOS DE PROBABILIDAD
MODELOS DE PROBABILIDAD Jorge Galbiati Riesco EXPERIMENTOS ALEATORIOS Considere las siguientes situaciones: 1. Se cuenta el número de naves que arriban a un puerto, por día. 2. Se le pregunta a un consumidor
Más detallesCada pregunta de teoría vale un punto. Cada apartado de los problemas vale 0,5 puntos.
SEGUNDO PARCIAL DE TÉCNICAS CUANTITATIVAS I. GADE GRUPO C. --0. APELLIDOS: NOMBRE: DNI: Cada pregunta de teoría vale un punto. Cada apartado de los problemas vale 0, puntos.. Propiedades de la unión e
Más detallesBioestadística: Variables Aleatorias. Distribuciones de Probabilidad II
Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II M. González Departamento de Matemáticas. Universidad de Extremadura 3. El periodo de incubación de una determinada enfermedad se
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 detallesFACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS ACADEMIA DE PROBABILIDAD Semestre:
FAULTAD DE INGENIERÍA DIVISIÓN DE IENIAS BÁSIAS OORDINAIÓN DE IENIAS APLIADAS AADEMIA DE PROBABILIDAD Semestre: 07- SOLUIÓN SERIE MODELOS PROBABÍLISTIOS DISRETOS. Un ingeniero para su empresa de fabricación
Más detallesObjetivos. 1. Variable Aleatoria y Función de Distribución. PROBABILIDAD Tema 2.2: Variables aleatorias discretas Denición de Variable aleatoria
PROBABILIDAD Tema 2.2: 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
Más detallesESTADÍSTICA 1 o CC. Ambientales Tema 2: Modelos de probabilidad y técnicas de muestreo
ESTADÍSTICA 1 o CC. Ambientales Tema 2: Modelos de probabilidad y técnicas de muestreo Sobre la aleatoriedad y la probabilidad Variables cuantitativas Modelos de probabilidad más comunes Estadística (Ambientales).
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 detallesvariables discretas: toman un conjunto finito o infinito numerable (que se pueden contar) de valores
Capítulo 4 Variables aleatorias discretas 4.1 Introducción 4.2 Distribución binomial 4.3 Distribución de Poisson 4.4 Función de probabilidad. Función de distribución 4.1. Introducción Recordemos que una
Más detallesINGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005
INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005 1. En una pequeña empresa con 60 empleados, 25 son personal de fábrica y están cobrando unos sueldos semanales (en euros) en función a su antigüedad de: 300
Más detallesCAPÍTULO 5 DISTRIBUCIONES TEÓRICAS
CAPÍTULO 5 DISTRIBUCIONES TEÓRICAS Hugo Grisales Romero Profesor titular CONCEPTOS BÁSICOS Experimento: Variable aleatoria: Clasificación: Proceso por medio del cual una medición se obtiene. Aquella que
Más detalles8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
Más detallesTema 3 Variables aleatorias yprincipales distribuciones
Tema 3 Variables aleatorias yprincipales distribuciones 1. Variables aleatorias. Distribuciones de probabilidad de v. a. discretas 3. Distribución de probabilidad de v. a. continuas 4. ropiedades de las
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 detalles