Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingeniería Informática TEORÍA
|
|
- María Ángeles Salas Sánchez
- hace 5 años
- Vistas:
Transcripción
1 Universidad Nacional del Litoral Facultad de Ingeniería Ciencias Hídricas ESTADÍSTICA Ingeniería Inormática TEORÍA Mg.Ing. Susana Vanlesberg Proesor Titular UNIDAD 2 Variables Aleatorias Estadística - Ingeniería en Inormática FICH - UNL Página 1
2 VARIABLES ALEATORIAS Al hablar de sucesos elementales, se deinieron casi eclusivamente en orma cualitativa (buenos malos; deectuosos no deectuosos; varón muer, etc.); pero muchas veces es conveniente cuantiicar resultados. Es más, la maor parte de los problemas que se plantean en la práctica tienen que ver con cantidades medibles. Esta cuantiicación se realiza a través de una variable que será de tipo aleatoria. Formalmente variable aleatoria es aquella unción deinida en el espacio muestral que asocia a cada punto muestral un número perteneciente a los reales. Al realizar el eperimento aleatorio la variable toma un solo valor. Clasiicación Al observar un determinado enómeno es sencillo deducir que eisten distintos tipos de variables aleatorias. Si el enómeno estudiado u observado es tal que puede ser cuantiicado por valores contables o enteros, entonces la variable aleatoria se dice discreta. El conunto de los valores posibles de esta variable puede ser inito o ininito numerable. Como eemplo, cantidad de procesadores Pentium Intel deectuosos en una partida. Si el enómeno puede ser cuantiicado a través de cualquier número real, la variable se dirá continua. Por eemplo monto de ganancias anuales de una empresa Distribución de Probabilidades Si se considera la variable aleatoria "cantidad de pulsos teleónicos registrados en un nodo Internet en un mes determinado" se veriica que ha cierta cantidad de resultados posibles: pueden haber 200, 300, 1500 etc. También puede asegurarse que ha una cierta probabilidad que sean 300 pulsos, 1500, etc. Eiste una asignación de probabilidades a cada uno de los posibles valores que puede tomar una variable aleatoria. Esa correspondencia entre los valores de la variable aleatoria su probabilidad de ocurrencia es lo que se denomina Distribución de Probabilidades. Distribución de Probabilidades El comportamiento de una variable aleatoria es descrito por sus lees de probabilidad, las cuales pueden ser caracterizadas de distintas ormas: a- la orma más común es a través de la distribución de probabilidades, el caso más sencillo es a través de una lista de los valores que la variable aleatoria puede tomar sus respectivas probabilidades (sólo posible en el caso de variable aleatoria discreta); b- a través de gráicos c- a través de modelos matemáticos que representen la le. Estadística - Ingeniería en Inormática FICH - UNL Página 2
3 Variable Discreta. Función Masa de probabilidad o Función de Cuantía. Esta Función es la orma matemática de epresar la correspondencia entre los valores de la variable sus probabilidades: () = P(X = ) (2.1) Para satisacer los aiomas de la Teoría de Probabilidad ser una unción de probabilidad, deberá cumplir con los siguientes requisitos: a- ( i ) debe tener un valor numérico para todos los posibles valores de la variable aleatoria. b- 0 ( i ) 1 para cualquier valor de b- ( i ) = 1 para todos los valores de Fig. Nº 1- Función de cuantía Puede hacerse una semeanza con mecánica considerando una masa total unitaria distribuida sobre el ee de las, con la masa ubicada en cada uno de los puntos proporcional en altura a la probabilidad de que la variable tome ese valor. Estadística - Ingeniería en Inormática FICH - UNL Página 3
4 Otra orma de describir la distribución de probabilidades de una variable aleatoria es a través de una unción denominada unción acumulativa o unción de distribución. Esta unción F() es simplemente la probabilidad que la variable aleatoria tome valores menores o iguales que un valor determinado: F() = P(X ) (2.2) Para el caso de variable aleatoria discreta esta unción es la suma de los valores de la unción masa de probabilidad evaluada en todos aquellos valores menores o iguales que, que la variable puede tomar: F() = i ( i ) (2.3) La gráica de esta unción es de tipo escalonada, a que eperimenta saltos en los distintos i, iguales a la probabilidad de que la variable aleatoria tome esos valores. Entre dos valores de la variable la probabilidad permanece constante: Estadística - Ingeniería en Inormática FICH - UNL Página 4
5 Fig. Nº 2- Función de distribución Eemplo: considérese la variable aleatoria X Nº de bultos de carga que llegan a una ábrica en una semana determinada del mes de mao. Las probabilidades para los distintos casos son: p() = 0.1 = = = = = = 5 0 = 6,7,... Su gráica correspondiente es la siguiente: Estadística - Ingeniería en Inormática FICH - UNL Página 5
6 La unción de distribución su gráica son las siguientes: F() = P(X 0.1, 0.3, )= 0.6, 0.8, 0.9, 0, < 0 0 < 1 1 < 2 2 < 3 3 < 4 4 < 5 1, 5 Estadística - Ingeniería en Inormática FICH - UNL Página 6
7 Se puede decir que la probabilidad de recibir 2 bultos o menos en la ábrica F(2) = 0.6 = P(=0)+P(=1)+P(=2) = = 0.6. Variable aleatoria continua. Función de densidad. El problema de especiicar la distribución de probabilidades de esta manera la le para una variable aleatoria continua es sencillo de derivar realizando el siguiente razonamiento: Si el ee se divide en un gran número de intervalos ininitesimales, cada uno de longitud d, es posible deinir una unción (), tal que la probabilidad de que esté en un intervalo (, +d) es ()d. Esta unción se denomina unción de densidad de probabilidad o, simplemente, unción de densidad. Ya que ocurrencias en distintos intervalos son eventos mutuamente ecluentes, se deduce que la probabilidad de que una variable aleatoria tome valores en un intervalo de longitud inita, es la suma de probabilidades en los intervalos ininitesimales, o sea, es ()d sobre el intervalo de interés. De esta manera, el área bao la curva de esta unción en un intervalo, representa la probabilidad de que la variable tome valores en el intervalo reerido: P( 1 2 )= ()d (2.4) La probabilidad de que una variable aleatoria continua tome un valor especíico es 0, a que la longitud del intervalo d desaparecería: P(X = 1 )= ()d =0 Como consecuencia de esto, las siguientes epresiones son equivalentes: P(a X b) P(a < X <b) P(a X <b) P(a < X b) El valor de () en sí mismo no es una probabilidad, sino solamente la medida de la densidad de probabilidad en un intervalo. Debe cumplir con dos condiciones: () 0 - ()d = 1 Estadística - Ingeniería en Inormática FICH - UNL Página 7
8 Puede hacerse una analogía con mecánica, diciendo que se tiene una masa total unitaria distribuida en orma continua en el intervalo en el que toma valores la variable. Fig. Nº 3 - Función de densidad Función de Distribución Se deine la unción de distribución acumulativa de la v.a. X, F(), como la probabilidad de que la v.a. continua X tome valores menores o iguales a, es decir: F() = P(X ) (2.5) F()= - (u)du (2.6) Estadística - Ingeniería en Inormática FICH - UNL Página 8
9 Fig. Nº 4 - Función de distribución Consideramos una masa unidad distribuida sobre el intervalo (,+ ), la unción de distribución F() para cada valor de la v.a. da la cantidad de masa que ha en el intervalo (, ), es decir, la masa que ha en el punto a la izquierda de, aunque dará igual considerar el intervalo (, ). Propiedades de la Función de Distribución: - - F( )=1, F()= lim - (u)du = 0 (u)du =1 Es una unción monótona creciente: Si < +m entonces F() F(+m). F( +m) = F() + P( < X +m) Esto permite obtener la probabilidad en un intervalo: F(- )=0, F()= lim F( m)- F()= P( < X + m) Estadística - Ingeniería en Inormática FICH - UNL Página 9
10 P(a < X <b)= F(b) - F(a) Puede establecerse la relación entre ambas unciones, considerando un arbitrariamente pequeño evaluar la unción acumulativa en los etremos de ese intervalo: +, haciendo tender a cero la amplitud : lim 0 F( + ) - F() lim X 0 P(X + ) - P(X ) F ()= () = P( < X + ) luego: F()= - (t)dt (2.7) Estadística - Ingeniería en Inormática FICH - UNL Página 10
11 2.2 - Variables aleatorias bidimensionales Muchas veces es de interés observar en orma simultánea dos o más variables, por eemplo cantidad de equipos de computación abricados por una compañía cantidad de operarios que trabaan en ella. Se puede deinir variable aleatoria bidimensional como el par de números que epresa el resultado de un eperimento combinado esto puede ser representado en el plano ; el recorrido o rango será ahora un subconunto del plano. También corresponde hacer la distinción entre variable bidimensional discreta bidimensional continua. El comportamiento conunto de las variables aleatorias bidimensionales es descrito por su le de probabilidad conunta. Se puede también hacer la analogía con mecánica considerando que es la distribución de una unidad de masa sobre el plano : en orma continua sobre todo el plano si la variable aleatoria bidimensional es continua concentrada en un número inito o ininito numerable de puntos con masa igual a p( i ) en cada punto ( i, ) si la variable bidimensional es discreta Variable aleatoria bidimensional discreta. Función masa de probabilidades conuntas Esta unción es la correspondencia entre cada par de puntos su probabilidad de ocurrencia. Analíticamente se epresa por: ( )= P(X = ;Y = ) (2.8) a que es una probabilidad debe cumplir con las siguientes condiciones : ( ) 0 i ( i )= 1, con i = 0,1...m = 0,1...n Estadística - Ingeniería en Inormática FICH - UNL Página 11
12 Fig. Nº 5- Función de cuantía conunta Esta distribución conunta puede presentarse también a través de una tabla a doble entrada, considerando cada valor de cada variable en los etremos de la tabla en el cuerpo de ella las probabilidades de presentación conunta (para cada par de valores). Esto sólo puede hacerse si la variable aleatoria bidimensional es discreta m Distrib. Marginal de Y 1 2 (2,2)... n Distrib. Marginal de X 1 Estadística - Ingeniería en Inormática FICH - UNL Página 12
13 F( )= P(X ;Y )= X i Y ( i ; ),i=0,1...m =0,1...n (2.9) Funciones marginales. Funciones masa de probabilidad marginales El comportamiento de una variable en particular sin considerar la otra, se describe a través de las unciones marginales. Se las obtiene a partir de la unción masa de probabilidades conuntas, por darle todos los valores de su recorrido a la variable que no interesa considerar. En orma analítica se epresa a través de: ()= P(X = )= ()= P(Y = )= i (, ) ( i, ) con = 0,1...n con i=0,1...m (2.10) Funciones acumulativas marginales F ()= P(X )= i ( i ) n =0 i ( i, ) (2.11) F ()= P(Y )= ( ) m =0 i ( i, ) Funciones condicionales Pueden obtenerse a partir de la distribución conunta, es aquella que se deriva al evaluar las probabilidades de presentación de una variable conociendo que la otra variable ha ocurrido con un valor particular. Para un valor particular de Y, Y= 0 la unción de cuantía de condicionada a Y está dada por : (/) = P(X = /Y = 0 P(X = Y = ) )= P(Y = ) 0 (/) = i (, ) ( i, = ) (, ), () con () 0 (2.12) Estadística - Ingeniería en Inormática FICH - UNL Página 13
14 Esta unción de cuantía condicional, por ser una unción de probabilidad debe cumplir con las siguientes condiciones: a - 0 (/) 1 b - i (/) = 1 La distribución condicional de Y dado un valor particular de X se deine de orma similar: (, ) (/) =,con () 0 (2.13) () Variable aleatoria bidimensional continua Las unciones asociadas con variables aleatorias bidimensionales continuas son análogas a las del caso discreto, pero la unción de cuantía será reemplazada por la unción de densidad conunta, siendo (,) la probabilidad de que la variable (,) caiga en el intervalo, + ;, +. La probabilidad de ocurrencia conunta de e en alguna región del espacio muestral se determina por integrar la unción de densidad conunta en esta región: P( 1 X 2 ; Y )= (, )dd (2.14) Esto es igual al volumen debao de la unción de densidad conunta (,), sobre la región limitada por 1 2 e 1 2. La unción de densidad conunta debe cumplir con las siguientes condiciones: (, ) (, )dd = 1 Estadística - Ingeniería en Inormática FICH - UNL Página 14
15 Fig. Nº 6- Función de densidad conunta La unción de distribución conunta se deine como: F(, )= P(- X ; - Y ) F(, )= P(X ;Y ) F(, )= - - (t,l)dtdl (2.15) Propiedades: Son similares al caso unidimensional: F(-; )= 0 F(-;- )= 0 F( ; )= 1 F(;- )= 0 a que F(X,Y) es una probabilidad deberá tomar valores entre 0 1. Estadística - Ingeniería en Inormática FICH - UNL Página 15
16 A partir de esta unción, se puede obtener la de densidad conunta por derivar parcialmente: 2 F(, ) = (, ) (2.16) Funciones de densidad marginales Como en el caso discreto, para estudiar el comportamiento de una de las variables en particular se elimina la otra, integrando sobre todos sus valores: ()= ()= - - (, )d (, )d (2.17) (2.18) Funciones de distribución marginales F ()= P(X )= - - (, )dd = - (t)dt F 1 ()= F, (, ) (2.19) De lo anterior se deduce que: ()= [F(, )] = [ F ()] (2.20) De orma similar: F 2 ()= P(Y )= - - (, )dd = - (s)ds F ()= F, (,) (2.21) Se deduce que: ()= F(, )= [ F ()] (2.22) Estadística - Ingeniería en Inormática FICH - UNL Página 16
17 Gráicamente: Fig. Nº 7- Función de distribución conunta Fig. Nº 8 -Función de distribución marginal de X Estadística - Ingeniería en Inormática FICH - UNL Página 17
18 Fig. Nº 9 -Función de distribución marginal de Y Fig. Nº 10 -Función de densidad marginal de Y Estadística - Ingeniería en Inormática FICH - UNL Página 18
19 Fig. Nº 11 -Función de densidad marginal de X Fig. Nº 12 Funciones marginales Estadística - Ingeniería en Inormática FICH - UNL Página 19
20 Si interesa obtener la probabilidad en un intervalo para una de las variables puede obtenerse a partir de la unción conunta o a partir de las marginales: P(a < X < b)= b a ()d P(a<X <b)= b a - (, )dd (2.23) Funciones de probabilidad condicionales. Recordando el concepto de sucesos dependientes: P(AB) P(AB) P(A/B) = P(B/A) =, con P(A) P(B) 0 P(B) P(A) En el caso de variable continua la probabilidad de que alguna de las variables tome un valor especíico, no tiene sentido: P(X = )=0 P(Y = )=0 Tiene sentido que las variables tomen valores en un intervalo tan pequeño como se quiera, por eemplo: P(X / Y + )= F(X/Y) P(X ; Y + Y) P( Y + ) (l, m)dl dm (,m)d dm si 0 luego - + Y (l, )dl = ()d - (l, )dl () Estadística - Ingeniería en Inormática FICH - UNL Página 20
21 Puede demostrarse que la anterior es unción de densidad si se integra en todo el recorrido se obtiene 1: - (X/Y)d = - (, ) d= () 1 () - (, )d= () =1 () Función de distribución condicionada de la v.a. continua X dado Y= 0 : F (, ) d ( / ) ( / ) d (2.24) ( ) Función de distribución condicionada de la v.a. continua Y dado X= 0 : F (, ) d ( / ) ( / ) d (2.25) ( ) Independencia de variables aleatorias Cuando se tienen dos variables aleatorias distribuidas conuntamente, puede interesar saber si las variables son dependientes o independientes, a que puede tener importancia para determinar si es correcto predecir el valor de una basándose en el valor de la otra. Recordar también aquí el concepto de independencia de sucesos: P(AB) = P(A).P(B) P(X ;Y )= P(X ).P(Y F(, )= F ().F () ) Esto sólo es posible de epresar si las variables son independientes. Las variables aleatorias son independientes si sólo si la unción conunta puede epresarse como el producto de sus marginales. Si la variable bidimensional es discreta se epresa de la siguiente orma: Estadística - Ingeniería en Inormática FICH - UNL Página 21
22 P(X = i ;Y = )= P(X = i ).P(Y = ) ( i, )= ( i ). ( ) Por lo tanto puede concluirse que: es necesario para que dos variables aleatorias distribuidas conuntamente sean independientes, que su unción conunta pueda descomponerse en el producto de sus marginales. Ahora si la unción conunta está epresada como el producto de sus marginales, es suiciente para asegurar que las variables son independientes. Eemplo de variable aleatoria bidimensional Variable continua Si X e Y representan las duraciones, en años, de dos componentes en un sistema electrónico la unción de densidad conunta de estas variables es la que se presenta, interesa saber si son variables dependientes o no. es (,)= e -( + ) > 0, > 0 0 en cualquier otro caso se debería veriicar que es una unción de densidad conunta: 0 0 e ( ) dd = 1 luego las unciones marginales: ( ) = 0 e ( ) d ( )= 0 e ( ) d para luego veriicar si su producto es igual a la unción conunta. Estadística - Ingeniería en Inormática FICH - UNL Página 22
UNIDAD 2 VARIABLES ALEATORIAS ESTADÍSTICA. Ingenierías: Recursos Hídricos- Ambiental-Agrimensura TEORÍA. Mg.Ing. Susana Vanlesberg Profesor Titular
Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA Ingenierías: Recursos Hídricos- Ambiental-Agrimensura TEORÍA Mg.Ing. Susana Vanlesberg Proesor Titular UNIDAD 2 VARIABLES
Más detalles1 3 a) g(x) es una función de densidad. b) g(x) no es una función densidad, puesto que no es continua. c) g(x) es una función de distribución.
VARIABLES ALEATORIAS 1 Sea F() la función de distribución de una variable aleatoria, entonces: a) F() es una función continua b) F ()=f() es continua c) F() es continua por la derecha La función de distribución
Más detalles1. Experimentos aleatorios
1. Eperimentos aleatorios La eperimentación es útil porque si se supone que llevamos a cabo ciertos eperimentos bajo condiciones esencialmente idénticas se llegará a los mismos resultados. En estas circunstancias,
Más detalles3.4: DISTRIBUCIONES DE PROBABILIDAD CONJUNTAS
Cátedra: 3.4: DISTRIBUCIONES DE PROBABILIDAD CONJUNTAS Hasta ahora el estudio se ha referido a variables restringidas a espacios muestrales unidimensionales en los que se registran los resultados de un
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 detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detalles1º ITIS Matemática discreta Relación 2 APLICACIONES
º ITIS Matemática discreta Relación 2 PLICCIONES. Estudiar en cuáles de los siguientes casos la correspondencia G deinida entre 2 2 los conjuntos y B mediante la relación ( x, y G x + y = es una aplicación:
Más detallesVariables Aleatorias y Distribuciones de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Variables Aleatorias Distribuciones de Probabilidad UCR ECCI CI-5 Probabilidad Estadística Pro. M.Sc. Krscia Daviana Ramírez Benavides Variable Aleatoria Una variable aleatoria es una unción que asocia
Más 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 detalles2 Contraste de independencia
2 Contraste de independencia 2 Independencia entre variables cualitativas Consideremos dos variables cualitativas X e Y con I y J modalidades cada una respectivamente, y sea N IJ la tabla de contingencia
Más detalles3. Variables aleatorias
3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución
Más detallesPart I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas
Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando
Más 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 detallesFACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
Más detallesVariables aleatorias bidimensionales discretas
Universidad de San Carlos de Guatemala Facultad de Ingeniería Área de Estadística VARIABLES ALEATORIAS BIDIMENSIONALES Concepto: Sean X e Y variables aleatorias. Una variable aleatoria bidimensional (X,
Más detallesVariables aleatorias continuas
Variables aleatorias continuas jemplo: Con el in de realizar un control de calidad en una ábrica de baterías, se mide el tiempo de duración de baterías elegidas al azar y se deine la va : tiempo de duración
Más detallesLA FUNCIÓN VARIABLE ALEATORIA (va.)
LA FUNCIÓN VARIABLE ALEATORIA (va.) Una variable aleatoria X es una función que asocia un número real con cada elemento del espacio muestral. Ej: Se sacan fichas de manera sucesiva sin reemplazo de una
Más detallesFUNCIONES REALES DE VARIABLE REAL.
FUNCIONES REALES DE VARIABLE REAL. CORRESPONDENCIA. Se llama CORRESPONDENCIA entre dos conjuntos A y B a toda ley que asocia elementos del conjunto A con elementos del conjunto B. Se denota por : A B A
Más detallesVariables aleatorias continuas
Probabilidades y stadística Computación Facultad de Ciencias actas y Naturales Universidad de uenos ires na M ianco y lena J Martínez 004 Variables aleatorias continuas jemplo: Con el in de realizar un
Más detallesUNIDAD 9 DERIVADAS Y APLICACIONES. 1. TASA DE VARIACIÓN MEDIA. Se define la tasa de variación media de una función f ( x) y = en un intervalo [ b]
IES Padre Poveda (Guadi UNIDAD 9 DERIVADAS Y APLICACIONES. TASA DE VARIACIÓN MEDIA. Se deine la tasa de variación media de una unción y en un intervalo [ b] T. V. M. [ a, b] a, como: ( ( a b a ( a, a,
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 detalles= x De este modo: Esto es un ejemplo de FUNCIÓN.
IES Padre Poveda (Guadi) UNIDAD 6 FUNCIONES REALES. PROPIEDADES GLOBALES.. CONCEPTO DE FUNCIÓN. DOMINIO Y RECORRIDO. Recuerda que hay distintas ormas de epresar una unción. Enunciado o descripción verbal:
Más detallesTema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias
Estadística Tema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010 Contenidos...............................................................
Más detallesTEMA 2. FUNCIONES REALES DE VARIABLE REAL 2.3. CONCEPTO DE DERIVADA. CÁLCULO DE DERIVADAS
TEMA. FUNCIONES REALES DE VARIABLE REAL.. CONCEPTO DE DERIVADA. CÁLCULO DE DERIVADAS . FUNCIONES REALES DE VARIABLE REAL.. CONCEPTO DE DERIVAD. CÁLCULO DE DERIVADAS... Derivada de una unción en un punto...
Más detallesMáximos y mínimos de una función real de dos variables reales
Máimos mínimos de una unción real Deinición Sea D una región del plano Sea :D R Se dice que alcanza su valor máimo absoluto M en un punto P (, ) D cuando M (, ) (,) (,) D Se dice que tiene un máimo relativo
Más detallesFunción derivada. lim
Pro. Enrique Mateus Nieves Función derivada TASA DE VARIACIÓN: Muchas leyes de la Física, la Química, la Bioloía o la Economía, son unciones que relacionan una variable dependiente y con otra variable
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 detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad las reglas mátemáticas de la probabilidad no son simplemente reglas para calcular frecuencias de variables aleatorias;
Más 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 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 detallesf : R R y en cuanto a los elementos x f ( x)
CORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN DEPARTAMENTO DE CIENCIAS BASICAS ASIGNATURA CALCULO DIFERENCIAL DOCENTE: LIC- ING: ROSMIRO FUENTES ROCHA UNIDAD Nº : FUNCIONES REALES. CONCEPTO
Más detallesVARIABLES ALEATORIAS (I)
UNIVRSIDAD CATOLICA ANDRS BLLO Urb. Montalbán La Vega Apartado 9 Teléono: - a: - Caracas, - Venezuela acultad de Ingeniería scuela de Ingeniería Inormática ----------------------- VARIABLS ALATORIAS I
Más detallesVariables aleatorias
Variables aleatorias Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 Una variable aleatoria es un valor numérico que se corresponde con
Más detallesMATEMÁTICAS BÁSICAS LÍMITES Y CONTINUIDAD ENTORNOS. a, donde δ es la. = x
MATEMÁTICAS BÁSICAS LÍMITES Y CONTINUIDAD ENTORNOS Se denomina entorno de un punto a en, al intervalo abierto ( δ a δ ) semiamplitud del intervalo. a, donde δ es la El entorno de a, en notación de conjuntos
Más detallesTema 4: Variables aleatorias.
Estadística 46 Tema 4: Variables aleatorias. El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos aleatorios, que en muchos
Más detallesTema 5. Variables Aleatorias
Tema 5. Variables Aleatorias Presentación y Objetivos. En este tema se estudia el concepto básico de Variable Aleatoria así como diversas funciones fundamentales en su desarrollo. Es un concepto clave,
Más detallesLímites y Derivadas 2d. Matemáticas para Ingeniería I Otono 2016 Lilia Meza Montes IFUAP
Límites y Derivadas d Matemáticas para Ingeniería I Otono 016 Lilia Meza Montes IFUAP Función de una variable Función : regla que asocia un único valor a cada elemento de un conjunto. R y() R 0 Dominio:
Más detalles3. FUNCIONES DE VARIAS VARIABLES
ESCUEA TÉCNICA SUERIOR DE NÁUTICA Y MÁQUINAS NAVAES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOA TEKNIKOA 3.1 Función de dos variables. FUNDAMENTOS MATEMÁTICOS 3. FUNCIONES DE VARIAS VARIABES Sean dos
Más detallesObjetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Más detallesV.a. continuas: integrar. Varianza. Propiedades:
V.a. continuas: integrar Varianza 98 Propiedades: σ 2 =E(X 2 )-E(X) 2 V(aX+b)=a 2 σ 2 (X) Distribuciones Truncadas 99 Ej: "La longitud de las varillas fabricadas por una máquina es una variable aleatoria
Más detallesVariables aleatorias. Tema Introducción Variable aleatoria. Contenido
Tema 4 Variables aleatorias En este tema se introduce el concepto de variable aleatoria y se estudian los distintos tipos de variables aleatorias a un nivel muy general, lo que nos permitirá manejar los
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
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 detallesSoluciones a los ejercicios propuestos Unidad 5. Funciones reales de variable real Matemáticas aplicadas a las Ciencias Sociales I
Soluciones a los ejercicios propuestos Unidad. Funciones reales de variable real Matemáticas aplicadas a las Ciencias Sociales I CONCEPTO DE FUNCIÓN. EXPRESIÓN ANALÍTICA DE UNA FUNCIÓN. A partir de los
Más detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesUNIDAD 4: PROBABILIDAD
UNIDAD 4: PROBABILIDAD La probabilidad se corresponde con la Frecuencia relativa. Es decir cuantas veces aparece un dato respecto del total de datos. Establece la probabilidad de que una variable tome
Más detallesEstadística. Soluciones ejercicios: Variables aleatorias. Versión 8. Emilio Letón
Estadística Soluciones ejercicios: Variables aleatorias Versión 8 Emilio Letón. Nivel. Enunciar las dos propiedades que debe cumplir p) para ser función de probabilidad. Las dos propiedades para ser función
Más detallesAPUNTES SOBRE INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES
APUNTES SOBRE INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES Probabilidad es el experimento libre de determinación P = X * 100 n Reyes Donis, José Luis INTRODUCCIÓN A LA TEORÍA DE LAS PROBABILIDADES Probabilidad
Más 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 detalles6 Variables aleatorias independientes
6 Variables aleatorias independientes Edgar Acuna ESMA 4 Edgar Acuna Dos variables aleatorias son independientes si para todo a b P[
Más detallesFUNCIONES. La variable x se denomina variable independiente y la variable y es la variable dependiente. x y
. DEFINICIÓN FUNCIONES Una unción real de variable real es una relación entre dos variables numéricas e y de orma que a cada valor de la variable le corresponde un único valor del la variable y. La variable
Más detallesTema Derivadas. Aplicaciones Matemáticas CCSSI 1º Bachillerato 1
Tema Derivadas. Aplicaciones Matemáticas CCSSI 1º Bachillerato 1 EJERCICIO : A partir de la gráica de (): a b c Cuáles son los puntos de corte con los ejes? Di cuáles son sus asíntotas. Indica la posición
Más detallesUNIDAD 5: FUNCIONES. CARACTERÍSTICAS
I.E.S. Ramón Giraldo UNIDAD 5: FUNCIONES. CARACTERÍSTICAS. CONCEPTO DE FUNCIÓN Una unción real de variable real es una correspondencia de un conjunto D en el conjunto de los números reales, es decir, una
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 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 detallesVariables aleatorias conjuntas
Variables aleatorias conjuntas M. en A. Víctor D. inilla Morán Facultad de Ineniería UNAM Resumen Variables aleatorias conjuntas discretas; unción de probabilidad conjunta: su deinición propiedades. Función
Más detalles( ) ( ( ) ( ) ) ( ( ) ( x) ( 2) ( ) ( ) ( )
Modelo. Problema B.- Caliicación máima: puntos) La igura representa la gráica de una unción : [ 6; 5] R. Contéstese razonadamente a las preguntas planteadas.? a) Para qué valores de es > b) En qué puntos
Más detallesVariables aleatorias. Descripción breve del tema. Objetivos. Descripción breve del tema. Tema 4
Descripción breve del tema Variables aleatorias Tema 4 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Descripción breve
Más detallesCALCULO GRADO EN INGEN. INFORM. DEL SOFTWARE TEMA 4. FUNCIONES DE DOS VARIABLES
mjg@uniovi.es.: El plano R CALCULO GRADO EN INGEN. INFORM. DEL SOFTWARE. - TEMA. FUNCIONES DE DOS VARIABLES R {( / R e R, } conjunto de todos los pares ordenados de números reales Ejercicio: { } Sean A
Más detallesPROBABILIDAD y ESTADÍSTICA II
UNIVERSIDAD TECNOLÓGICA NACIONAL Facultad Regional San Nicolás PROBABILIDAD ESTADÍSTICA II UNIDAD Nº Licenciatura en Enseñanza de la Matemática Año 0 Mg. Lucía C. Sacco UNIDAD Nº Variables aleatorias bidimensionales
Más 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 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 detalles3. VARIABLES ALEATORIAS
. VARIABLES ALEATORIAS L as variables aleatorias se clasiican en discretas y continuas, dependiendo del número de valores que pueden asumir. Una variable aleatoria es discreta si sólo puede tomar una cantidad
Más detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD VARIABLE ALEATORIA Una variable x valuada numéricamente varía o cambia, dependiendo del resultado particular del experimento que se mida. Por ejemplo, suponga que se tira
Más detallesCARACTERÍSTICAS DE UNA FUNCIÓN
. DOMINIO CARACTERÍSTICAS DE UNA FUNCIÓN inio de o campo de eistencia de es el conjunto de valores para los que está deinida la unción, es decir, el conjunto de valores que toma la variable independiente.
Más detalles(Apuntes en revisión para orientar el aprendizaje) INTEGRALES IMPROPIAS
(Apuntes en revisión para orientar el aprendizaje) INTEGRALES IMPROPIAS En integración se pide que la función sea continua en el intervalo considerado que además éste sea finito. En este tema se pretende
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 detallesCompletar con letra clara, mayúscula e imprenta
ANÁLIS. MAT. ING. - EXACTAS C 7 R TEMA - 4--7 APELLIDO: NOMBRES: DNI/CI/LC/LE/PAS. Nº: E-MAIL: TELÉFONOS part: cel: Completar con letra clara, maúscula e imprenta SOBRE Nº: Duración del eamen: hs CALIFICACIÓN:
Más detallesDEPARTAMENTO DE SOCIOLOGÍA I. Curso
DEPARTAMENTO DE SOCIOLOGÍA I Curso 2010-2011 Socioestadística I Capítulo 4. TEORÍA DE LA PROB ABILIDAD Y SUS PRINCIPIOS 1. Introducción a la Estadística Inferencial Hasta ahora, hemos utilizado diversas
Más detallesProbabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro
Probabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro La probabilidad nos proporciona un modelo teórico para la generación de los datos experimentales Medidas de la Posibilidad
Más detallesIntroducción. Aplicaciones. Ciencias físicas Ingeniería Negocios Ciencias biológicas y de la salud Ciencias sociales y educación
Introducción La estadística es la ciencia que se ocupa del análisis de datos y del proceso de toma de decisiones acerca del sistema del cual fueron obtenidos los datos. Aplicaciones Ciencias físicas Ingeniería
Más detallesVECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción VECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M. Desde un punto de vista formal, los vectores aleatorios son la herramienta matemática adecuada para transportar
Más detallesInstituto Politécnico Superior General San Martín A U S. Análisis Matemático II. Derivada y algunas aplicaciones. D Agostini Viviana
Instituto Politécnico Superior General San Martín A U S Análisis Matemático II Derivada y algunas aplicaciones. Pro. D Agostini Viviana Derivada Recta tangente Si es una unción deinida en un intervalo
Más detallesMostrará la convergencia o divergencia de funciones mediante el criterio de límite de una función en un punto.
Un i d a d Lí m i t e s Objetivos Al inalizar la unidad, el alumno: Mostrará la convergencia o divergencia de funciones mediante el criterio de límite de una función en un punto. Calculará límites de funciones
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 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 detallesTEMA 3: Cálculo de Probabilidades
TEMA 3: Cálculo de Probabilidades Objetivo de la Probabilidad: Establecer y desarrollar modelos matemáticos para tratar situaciones que se desarrollan en un ambiente de incertidumbre. 1 Experimentos aleatorios
Más detallesDerivadas En este tema, además de definir tal concepto, se mostrará su significado y se hallarán las derivadas de las funciones más usuales.
Derivadas En este tema, además de deinir tal concepto, se mostrará su signiicado y se hallarán las derivadas de las unciones más usuales. Es de capital importancia dominar la derivación para después poder
Más detalles4. CONCEPTOS BASICOS DE PROBABILIDAD
4. CONCEPTOS BASICOS DE PROBABILIDAD 4.1 Introducción La probabilidad y la estadística son, sin duda, las ramas de las Matemáticas que están en mayor auge en este siglo, y tienen una tremenda aplicabilidad
Más detallesColegio Diocesano Sagrado Corazón de Jesús
Colegio Diocesano Sagrado Corazón de Jesús MATEMÁTICAS I Actividades tipo eamen-recuperación de Pendientes / Nombre: Fecha de entrega: BLOQUE I: NÚMEROS REALES Ejercicio nº.- Clasiica los siguientes números
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN
Más detallesC L A S E N 5 I N S E M E S T R E O T O Ñ O,
Unidad 1 a. Probabilidades y Estadística 1 C L A S E N 5 I N 3 4 0 1 S E M E S T R E O T O Ñ O, 2 0 1 2 Características de las v.a 2 Parámetros v.a. La función de densidad o la distribución de probabilidad
Más detallesCALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA. (Se utiliza el valor de la función en el extremo izquierdo de cada subintervalo)
CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA El problema del área, el problema de la distancia tanto el valor del área debajo de la gráfica de una función como la distancia recorrida por un objeto
Más detallesMáximos y mínimos de una función real de dos variables reales
Máimos mínimos de una unción real Deinición Sea D una región del plano Sea :D R Se dice que alcanza su valor máimo absoluto M en un punto P =, ) D cuando M =, ),),) D Se dice que tiene un máimo relativo
Más detallesS E) 10 S B) S D) S C) o D) o 1 B) , x 2x 1. , D) x, 1, 5 MATEMÁTICAS VI (AREAS 3 Y 4) VERSIÓN 31
MATEMÁTICAS VI (AREAS Y ). Una suma de $ se deposita en una casa de bolsa con una tasa de interés compuesto anual de % En cuánto se convertirá esta suma al inal del quinto año?.. Encuentra la suma de la
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 detallesExperimentos aleatorios Es posible repetir cada experimento indefinidamente sin cambiar esencialmente las condiciones Aunque en general no podemos ind
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 detallesDerivada. lim 5x. Derivada por definición. Sea y = f (x) una función que depende de x. Se define la derivada de dicha función como otra función: lim h
S_A._LECV Derivada Derivada por deinición. Sea y = una unción que depende de. Se deine la derivada de dica unción como otra unción: La simbología de la derivada es y y Analíticamente la derivada es un
Más detalles5 GUÍA PARA REALIZAR ESTUDIO DE FUNCIÓN
5 GUÍA PARA REALIZAR ESTUDIO DE UNCIÓN ) Determinar el Dominio de la función. ) Hallar, si eisten, las Intersecciones con los Ejes de Coordenadas Signo. ( Int. con eje y, hacer = Int. con eje, hacer y
Más detallesPRINCIPALES CONCEPTOS DE LA TEORÍA DE LA PROBABILIDAD
PRINCIPALES CONCEPTOS DE LA TEORÍA DE LA PROBABILIDAD CONCEPTOS PREVIOS EXPERIMENTO RESULTADO ESPACIO DE RESULTADOS, W ÁLGEBRA DE SUCESOS SUCESO PROBABILIDAD (AXIOMÁTICA) PROPIEDADES Y TEOREMAS DERIVADOS
Más detallesUNIDAD DIDÁCTICA 7: Funciones I
UNIDAD DIDÁCTICA 7: Funciones I 1. ÍNDICE 1. Introducción 2. Concepto de unción 3. Gráica de una unción 4. Operaciones con unciones 5. Propiedades de las unciones 2. INTRODUCCIÓN GENERAL A LA UNIDAD Y
Más detallesIES Mediterráneo de Málaga Septiembre 2010 Juan Carlos Alonso Gianonatti BLOQUE A
IES Mediterráneo de Málaga Septiembre Juan Carlos lonso Gianonatti LOQUE CUESTIÓN..- Deinición de rango de una matri. Calcular el rango de la matri en unción del parámetro [.5 puntos] rang rang Para toda
Más detallesTEMA 4 FUNCIONES ELEMENTALES
TEMA 4 FUNCIONES ELEMENTALES 4.1. Funciones lineales, cuadráticas y polinómicas 4.1.1. Funciones lineales. Las unciones lineales o aines tienen por epresión analítica ( m n. Si m > 0, la unción aín tiene
Más detallesUniversidad de Buenos Aires. Instituto Libre de Segunda Enseñanza MATEMÁTICA GUÍA DE TRABAJOS PRÁCTICOS QUINTO AÑO
Universidad de Buenos Aires Instituto Libre de Segunda Enseñanza MATEMÁTICA GUÍA DE TRABAJOS PRÁCTICOS QUINTO AÑO Se agradece el aporte de los proesores María Inés Sáinz y Daniel Dacunti TRABAJO PRÁCTICO
Más detallesCÁLCULO DE PROBABILIDADES
CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.
Más 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 detalles