3. Distribuciones de probabilidad
|
|
- Beatriz Soriano Acuña
- hace 5 años
- Vistas:
Transcripción
1 3. Distribucioes de probabilidad Estudiamos a cotiuació las pricipales distribucioes de probabilidad que se ecuetra e las aplicacioes del cálculo de probabilidades. Clasificaremos las distribucioes atediedo a si correspode a variables aleatorias discretas o cotiuas Pricipales distribucioes de ua v.a. discreta La ley de probabilidad de ua variable aleatoria discreta ξ está defiida si se cooce: Su distribució de probabilidad P (ξ = x i ), i = 1, 2,..., ó Su fució de distribució F (x) = P (ξ x) = x i x P (ξ = x i) 1. Distribució uiforme Ua v.a. discreta ξ que toma valores eteros 1, 2,...,, cada uo de ellos co igual probabilidad: P (ξ = k) = 1, k = 1, 2,..., recibe el ombre de variable uiforme discreta, y su distribució distribució uiforme discreta. Su media, variaza y desviació típica viee dadas por: µ ξ = + 1 ; σξ 2 = ; σ 2 1 ξ =
2 2. Distribució de Berouilli Ua prueba de Berouilli es u experimeto aleatorio que admite sólo dos resultados excluyetes: A(éxito), co P (A) = p A (fracaso), co P (A ) = 1 p = q La variable aleatoria ξ asociada a este experimeto que toma el valor 1 (cuado ocurre A) y 0 (cuado ocurre A ), co P (ξ = 0) = q, P (ξ = 1) = p, es decir: ξ P (ξ = x i ) 0 q 1 p p + q = 1 se llama variable de Berouilli, y se escribe ξ Ber (p) Su media, variaza y desviació típica viee dadas por: µ ξ = p; σ 2 ξ = pq; σ ξ = pq 3. Distribució biomial Supogamos que se realiza pruebas de Berouilli Ber (p) sucesivas e idepedietes. A la variable aleatoria discreta ξ = úmero de veces que ocurre A (éxito) e las pruebas se la deomia variable biomial de parámetros y p: ξ B (, p) 22
3 Se tiee: f(k) = P (ξ = k) = ( ) p k q k, co k = 0, 1, 2,..., k Su media, variaza y desviació típica viee dadas por: µ ξ = p; σ 2 ξ = pq; σ ξ = pq 4. Distribució de Poisso ó de los sucesos raros Ua variable aleatoria ξ se dice que sigue ua distribució de probabilidad de Poisso, ξ P (λ), si puede tomar todos los valores eteros 0, 1, 2,...,,... co probabilidad P (ξ = k) = λk k! e λ λ > 0 k = 0, 1, 2,... e = 2, Esta ley se aplica como aproximació de experimetos biomiales dode el úmero de pruebas es muy alto, pero la probabilidad de éxito es muy baja. Así, es ua buea aproximació de la biomial cuado es grade y p pequeña: E ese caso λ = p. > 30, p 0,1 ó p < Distribució geométrica Cosideramos u experimeto cosistete e la realizació sucesiva de pruebas de Berouilli. A la variable ξ = úmero de fracasos obteidos hasta la aparició del primer éxito 23
4 se la deomia variable geométrica P (ξ = k) = pq k { k = 0, 1, 2, 3,... 0 < p < 1; q = 1 p La media y la variaza de esta v.a. so: µ ξ = q p ; σ2 ξ = q p Pricipales distribucioes de ua v.a. cotiua La ley de probabilidad de ua variable aleatoria cotiua ξ está defiida si se cooce: Su fució de desidad f(x), ó Su fució de distribució F (x), siedo F (x) = P (ξ x) = + f(x)dx. 1. Distribució uiforme Ua variable aleatoria cotiua ξ sigue ua distribució uiforme e el itervalo [a, b] cuado su fució de desidad es: 0, x < a 1 f(x) = b a, a x b 0, x > b 24 0, x < a x a F (x) = b a, a x b 1, x > b
5 Su media, variaza y desviació típica so: µ ξ = a + b 2 ; σ2 ξ = (b a)2 ; σ ξ = b a ; Distribució expoecial Es el equivalete cotiuo de la distribució geométrica discreta. Esta ley de distribució describe procesos e los que os iteresa saber el tiempo hasta que ocurre determiado eveto (p.e. tiempo que tarda ua partícula radiactiva e desitegrarse). Decimos que ua v.a. cotiua ξ sigue ua distribució expoecial de parámetro λ, si su fució de desidad es: ξ Exp(λ) f(x) = λe λx. Su media y su variaza viee dadas por: µ ξ = 1 λ ; σ2 ξ = 1 λ 2 3. Distribució ormal o de Laplace-Gauss Esta distribució recibe el ombre de ormal porque la mayoría de las v.a. cotiuas de la aturaleza sigue esta distribució. Se dice que ua v.a. ξ sigue ua distribució ormal de parámetros: µ σ 2, y se escribe si su fució de desidad es: ξ N(µ, σ 2 ) 25
6 f(x) = 1 σ 2π e 1 (x µ) 2 2 σ 2, x R Su media, variaza y desviació típica viee dadas por: µ ξ = µ; σ 2 ξ = σ 2 ; σ ξ = σ. Observamos que: a) La fució de desidad tiee u máximo e x = µ, dos putos de iflexió e x = µ σ, x = µ + σ y al eje OX como asítota. La forma de la fució de desidad es la llamada campaa de Gauss. Esta gráfica es simétrica respecto de x = µ. Media, mediaa y moda coicide. b) La posició de la campaa viee dada por el parámetro de cetralizació µ. El parámetro de dispersió es σ 2 o equivaletemete σ. Cuado meor sea, mayor masa de probabilidad (área compredida etre la curva y el eje de abscisas) habrá cocetrada alrededor de la media. La gráfica de f estará muy aputada cerca de µ. Cuato mayor sea el parámetro de dispersió, más aplastada será. c) La mayor parte de la masa de probabilidad está cocetrada alrededor de la media. Cuato más alejado esté u valor de la media, meos probable será. 26
7 d) La ormal es buea aproximació de ua variable aleatoria co distribució biomial ξ B (, p) si es suficietemete grade y p o está i muy próximo a 0 i a 1. E particular, si aproximaremos > 30, p > 4, q > 4 ξ N(p, pq) Hemos de otar que esta aproximació o es apropiada a meos que sea muy grade o p q 1 2. e) Si ξ 1 es N(µ 1, σ 1 ) y ξ 2 es N(µ 2, σ 2 ) idepedietes etre sí, etoces ξ 1 ± ξ 2 es N(µ 1 ± µ 2 ; σ σ 2 2) f ) Si ξ es N(µ, σ) y Z = X µ, etoces Z es N(0, 1) σ f(z) = 1 e 1 2 z2, z R 2π A Z se le deomia variable tipificada de ξ y a la curva de su fució de desidad curva ormal tipificada. Observamos: 1) No depede de parámetros. 2) µ = 0, σ 2 Z = 1, σ Z = 1 4. Distribució χ 2 de Pearso Sea ξ 1, ξ 2,..., ξ variables aleatorias N(0, 1) idepedietes etre sí. La variable χ 2 = ξ ξ ξ 2 recibe el ombre de χ 2 (ji-cuadrado) de Pearso co grados de libertad. Sólo puede tomar valores positivos, y depede sólo del parámetro. Su media, variaza y desviació típica viee dadas por: µ χ 2 = ; σ 2 χ 2 = 2; σ χ 2 = 2 27
8 Al aumetar el úmero de grados de libertad, esta distribució se aproxima asitóticamete a la ormal. Para > 30 : 2χ 2 N( 2 1, 1) Se ecuetra tablas de χ 2 para valores Distribució t de Studet Sea +1 variables aleatorias idepedietes etre sí ξ 1, ξ 2,..., ξ, ξ co distribucioes N(0, σ) todas ellas. Etoces la variable aleatoria t = 1 ξ = i=1 (ξ i) 2 1 ξ/σ = i=1 (ξ i/σ) 2 Z 1 χ2 es ua t de Studet de grados de libertad, dode Z es N(0, 1) y χ 2 es ua χ 2 de Pearso co grados de libertad. Esta distribució tiee propiedades parecidas a la N(0, 1): Su media es 0. Es simétrica respecto a la media (es decir respecto OY ). No depede de la desviació típica. Para u úmero alto de grados de libertad la distribució t de Studet se puede aproximar por la ormal: t N(0, 1) Está tabulada para diferetes valores de. 6. Distribució F de Fisher-Sedecor Sea χ 2 1 y χ 2 2 dos variables χ 2 de Pearso, respectivamete co 1 y 2 grados de libertad, idepedietes etre sí. Etoces F 1, 2 = se deomia F de Fisher-Sedecor co 1, 2 grados de libertad. χ χ
Número de personas que se forman en una fila en 1 hora Número de águilas que se obtienen al lanzar una moneda 5 veces.
Statistics Review Variable Aleatoria o Ua variable aleatoria es ua variable cuyo valor está sujeto a variacioes que depede de la aleatoriedad. o Debe tomar valores uméricos, que depede del resultado del
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesT ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
Más detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Más detallesDISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)
DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado e Geomática y Topografía Escuela Técica Superior de Igeieros e Topografía, Geodesia y Cartografía. Uiversidad Politécica de Madrid
Más detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detallesPráctica 2 VARIABLES ALEATORIAS CONTINUAS
Práctica. Objetivos: a) Apreder a calcular probabilidades de las distribucioes Normal y Chi-cuadrado. b) Estudio de la fució de desidad de la distribució Normal ~ N(µ;σ) c) Cálculo de la fució de distribució
Más detallesDistribuciones: discretas y continuas
Distribucioes: discretas y cotiuas DISTRIBUCIONES. DISTRIBUCIONES DISCRETAS. Distribució Uiforme.... Distribució Biomial... 3.3 Distribució de Poisso... 6. DISTRIBUCIONES CONTINUAS.. Distribució Uiforme
Más detallesTema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <
Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula
Más detallesLa ley de los grandes números
La ley de los grades úmeros "El idicio de que las cosas estaba saliédose de su cauce ormal vio ua tarde de fiales de la década de 1940. Simplemete lo que pasó fue que etre las siete y las ueve de aquella
Más detalles8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS
8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS Sea ua variable aleatoria de ley descoocida co 0,00. Si 0,, emplear la desigualdad de TCHEBYCHEFF para acotar iferiormete la probabilidad E( ) [
Más detallesTEMA 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS
www.iova.ued.es/webpages/ilde/web/idex.htm e-mail: imozas@elx.ued.es TEMA 7 DISTRIBUCIONES DE PROBABLIDAD CONTINUAS Distribució uiforme e el itervalo [a, b].-, a x b Fució de desidad: f(x) = b a 0, e el
Más detallesTEMA 3: INFERENCIA ESTADISTICA
ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.
Más detalles1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribucioes de probabilidad discretas Departameto de Ciecias del Mar y Biología Aplicada Itroducció Iferecia estadística: Parte de la estadística que estudia grades colectivos a partir
Más detallesDistribuciones: discretas y continuas
Distribucioes: discretas y cotiuas DISTRIBUCIONES. DISTRIBUCIONES DISCRETAS. Distribució Uiforme.... Distribució Biomial... 3.3 Distribució de Poisso... 6. DISTRIBUCIONES CONTINUAS.. Distribució Uiforme
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesTEMA 4- MODELOS CONTINUOS
TEMA 4- MODELOS CONTINUOS 4.1. Itroducció. 4.2. Distribució uiforme cotiua de parámetros a y b. X Ua, b 4.3. Distribució Gamma de parámetros y. X, Casos particulares: 4.3.1.Distribució Expoecial. X Exp
Más detallesEstimación de Parámetros
Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos
Más detallesDesigualdad de Tchebyshev
Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que
Más detallesDISTRIBUCIONES EN EL MUESTREO
7/9/08 DISTRIBUCIONES EN EL MUESTREO Uidad 4 08 Las estadísticas pesadas como variables aleatorias Ejemplo: u experimeto E cosiste e elegir =5 alícuotas de agua del río y medir la cocetració de arséico:
Más detallesTEMA 2: DISTRIBUCIONES DE PROBABILIDAD
ESTADÍSTICA, CURSO 008 009 TEMA : DISTRIBUCIONES DE PROBABILIDAD LEYES DE PROBABILIDAD. SUCESOS ALEATORIOS Experimetos aleatorios, espacio muestral. Sucesos elemetales y compuestos. Suceso imposible Ø,
Más detallesRepública Bolivariana de Venezuela Universidad Nacional Abierta Vicerrectorado Académico Área de Matemática
República Bolivariaa de Veezuela Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Fórmulas y Tablas Cursos: 738, 745, 746 y 748 Prof. Gilberto Noguera Lista de Formulas N 1) µ = x
Más detallesIntervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.
Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesDISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS
DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la
Más detalles) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1
ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població
Más detallesDistribuciones en el muestreo, EMV
Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador
Más detallesSOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2)
Curso 2012-13 PEC2 Pág. 1 SOLUCIONES DE LA SEGUNDA PRUEBA DE EVALUACION CONTINUA (PEC 2) Gráfico 1: E ua ivestigació se compara la eficacia de tres tipos de tratamieto de las fobias, atediedo a si ha habido
Más detallesCAPÍTULO I. Conceptos Básicos de Estadística
CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia
Más detalles1. Propiedades de los estimadores
. Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie
Más detallesIntroducción a la Inferencia Estadística. Muestreo en poblaciones normales
Ídice 5 Itroducció a la Iferecia Estadística Muestreo e poblacioes ormales 51 51 Itroducció 51 52 Estadísticos y mometos muestrales 53 521 Media muestral Propiedades 54 522 Variaza muestral Propiedades
Más detalles13.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Dra. Diaa M. Kelmasky 109 13. INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL Supogamos que X1,...,X es ua muestra aleatoria de ua població ormal co media μ y variaza. Sabemos que la media
Más detallesDISTRIBUCIONES DE PROBABILIDAD
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez DISTRIBUCIONES DE PROBABILIDAD Gestió Aeroáutica:
Más detalles1.4. Distribuciones discretas notables
.4. Distribucioes discretas otables.4.. Distribució uiforme discreta Es la distribució de probabilidad de ua variable aleatoria que toma u úmero fiito de valores, siedo todos equiprobables. Su fució de
Más detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detallesUniversidad MUESTREO de Oviedo. Facultad de Economía y Empresa. Grado en ADE. Métodos Estadísticos para
MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 7: HERRAMIENTAS INFERENCIALES. DISTRIBUCIONES ASOCIADAS AL Uiversidad MUESTREO de Oviedo. Facultad de Ecoomía y Empresa. Grado e ADE. 7.1.- Distribucioes Métodos
Más detalles1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.
GRADO GESTIÓN AERONÁUTICA: EXAMEN ESTADÍSTICA TEÓRICA 9 de Eero de 015. E-7. Aula 104 1.- La fució de desidad de ua variable aleatoria es: a b 0 f() 0 e el resto sabiedo que 1 P 1 0,1666. Determiar a y
Más detallesTEORÍA DE LA ESTIMACIÓN
TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.
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 detallesAnálisis de resultados. Independencia de las muestras
Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detallesEstadística para la Evaluación de Riesgo Microbiano
Estadística para la Evaluació de Riesgo Microbiao Mii-Curso de Riesgo Microbiao 25 29 de agosto, 204 Uiversidad Mayor de Sa Simó Cochabamba, Bolivia Matthew E. Verbyla Estadística para la Evaluació de
Más detallesVariables aleatorias y distribuciones de probabilidad
Variales aleatorias y distriucioes de proailidad Alguos de los coceptos más comúes. Media La media o esperaza matemática es ua medida de localizació, que idica el valor alrededor del cual uctúa la variale
Más detallesHacia dónde tienden los datos? Se agrupan en torno a un valor? o, se dispersan? Su distribución se parece a alguna distribución teórica?
COMPORTAMIENTO DE LAS DISTRIBUCIONES DE FRECUENCIA: Preparadas las TABLAS DE FRECUENCIA de los valores de ua variable resulta iteresate describir su comportamieto. Hacia dóde tiede los datos? Se agrupa
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO 2015 Código asignatura: EXAMEN TIPO TEST MODELO B DURACION: 2 HORAS. Soluciones
EAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 01 Código asigatura: 6011037 EAMEN TIPO TET MODELO B DURACION: HORA olucioes Gráfica 1: Fiaciació (e milloes de euros) de la orgaizació Cáritas
Más detalles2 Algunos conceptos de convergencia de sucesiones de variables aleatorias
INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes
Más detallesSOLUCIONES X X
eptiembre 016 EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO EPTIEMBRE 016 Código asigatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Material: Addeda (Formulario y Tablas) y calculadora (cualquier
Más detallesProbabilidades y Estadística (M) Práctica 8 1 cuatrimestre 2012 Convergencias - Ley de los Grandes Números
robabilidades y Estadística (M) ráctica 8 cuatrimestre 22 Covergecias - Ley de los Grades Números. Ua máquia produce artículos de 3 clases: A, B y C e proporcioes 25 %, 25 % y 5 % respectivamete. Las logitudes
Más detallesInIn Sistemas de Control de Calidad
Desity Desity II 78- Sistemas de Cotrol de Calidad Pla - Repaso de cotrol de calidad Gráficos de Cotrol - Herramieta que moitorea ua o más variables a lo largo del tiempo. (El sistema requiere itervecioes
Más detallesPropiedades de la funcion de distribucion empirica. Propiedades de la Función de distribución Empírica:
Propiedades de la fucio de distribucio empirica Propiedades de la Fució de distribució Empírica: a. Fˆ es creciete de 0 hasta 1. b. Fˆ es ua fució escaloada co saltos e los distitos valores de X 1, X,...,
Más detallesEstimación de Parámetros. Estimación de Parámetros
Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle
Más detalles1 e. F (x; y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que F (x; y) =
Probabilidades y Estadística (M) Práctica 5 2 o cuatrimestre 2013 Vectores aleatorios 1. a) Demostrar que la fució F (x; y) = 1 e x y si x 0 ; y 0 0 e caso cotrario o es la fució de distribució acumulada
Más detallesTEMA 6.- INTERVALOS DE CONFIANZA
TEMA 6.- INTERVALOS DE CONFIANZA 6.1. Distribucioes asociadas a la Normal 6.1.1. Distribució Chi cuadrado de Pearso o Gi dos 6.1.. Distribució t de Studet 6.. Itroducció a itervalos de cofiaza 6.3. Método
Más detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
Más detallesINFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS
INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete
Más detallesTema 14: Inferencia estadística
Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos
Más detallesEJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.
EJERCICIO () Es u problema de idepedecia de criterios y se tedrá que costruir la tabla de cotigecia de frecuecias teóricas (esperadas), t ij, a partir de las frecuecias o observadas, ij, que se da e la
Más detalles1. Serie de Potencias
. Serie de Potecias Recordemos que dada ua sucesió {b } N, podemos defiir ua serie: E el caso particular e que b = a (x c) b la serie tedría la forma b = a (x c) y es llamada serie de potecias cetrada
Más detallesMEDIDAS DE DISTRIBUCION
MEDIDAS DE DISTRIBUCION ASIMETRIA Y CURTOSIS Dr. EDGAR APAZA ZUÑIGA UNIVERSIDAD NACIONAL DEL ALTIPLANO MEDIDAS DE DISTRIBUCIÓN Las Medidas de Distribució permite idetificar y caracterizar la forma e que
Más detallesSUMA DE VARIABLES ALEATORIAS
SUMA DE VARIABLES ALEATORIAS do C. 018 Clase Nº 9 Mg. Stella Figueroa Teorema Cetral del Límite El teorema afirma que la distribució de la suma de u gra úmero de variables aleatorias tiee aproximadamete
Más detallesANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A
EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació
Más detallesTema 6: Teoremas Asinto ticos
Tema 6: Teoremas Asito ticos Teorı a de la Comuicacio Curso 27-28 Coteido 1 Teorema del Límite Cetral 2 Teorema de DeMoivre-Laplace 3 Desigualdad de Chebychev 4 Ley de Los Grades Números Coteido 1 Teorema
Más detallesAnálisis estadístico de datos. Análisis estadístico de datos simulados. Elección de una distribución. Análisis estadístico de datos simulados
Aálisis estadístico de datos Aálisis estadístico de datos simulados Patricia Kisbye FaMAF 29 de abril, 2008 Cada fuete de aleatoriedad debe expresarse de acuerdo a ua distribució de probabilidad. Ua mala
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció ( p ). Para
Más detallesMATEMÁTICAS 2ºBACHILLERATO CCSSII
La trata del recueto, ordeació y clasificació de los datos obteidos por las observacioes, para poder hacer comparacioes y sacar coclusioes. U estudio estadístico costa de las siguietes fases: Recogida
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-.000 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de
Más detallesTEMA 4. Algunos modelos de probabilidad de tipo continuo
TEMA 4. Alguos modelos de probabilidad de tipo cotiuo Vamos a abordar e este capítulo el estudio de aquellas distribucioes de probabilidad de tipo cotiuo, que se os preseta co bastate frecuecia e el mudo
Más detallesEl método de Monte Carlo
El método de Mote Carlo El método de Mote Carlo es u procedimieto geeral para seleccioar muestras aleatorias de ua població utilizado úmeros aleatorios. La deomiació Mote Carlo fue popularizado por los
Más detallesNo debe entregar los enunciados. Después del Tratamiento (Y)
Después del Tratamieto (Y) Febrero 016 EAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO 016 Código asigatura: 6011037 EAMEN TIPO TEST MODELO B DURACION: HORAS Material: Addeda (Formulario
Más detallesEstadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3
Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral
Más detalles2.2. Estadísticos de tendencia central
40 Bioestadística: Métodos y Aplicacioes La dispersió o variació co respecto a este cetro; Los datos que ocupa ciertas posicioes. La simetría de los datos. La forma e la que los datos se agrupa. Cetro,
Más detallesParte 1: UNIDADES DIDÁCTICAS 2 Y 3. Probabilidades con Sucesos y Variables Aleatorias.
EXAMEN EXTRAORDINARIO DE PROBABILIDADE Y ETADÍTICA I JULIO 014 Realizar las pregutas e hojas separadas, idicado explícitamete todas las fórmulas que se utilice. Tato el alumo que copie como el que se deje
Más detallesMAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma
MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete
Más detallesTema 2. Medidas descriptivas de los datos
Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) SOLUCIONES
eptiembre 05 EAMEN MODELO B ág. INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 05 Código asigatura: 60037 EAMEN TIO TET MODELO B DURACION: HORA Material: Addeda (Formulario y Tablas) y calculadora (cualquier
Más detallesINTRODUCCION Teoría de la Estimación
INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede
Más detallesTasa de Fallo y Variables Aleatorias sin Memoria
Tasa de Fallo y Variables Aleatorias si Memoria M.A. Fiol Departamet de Matemàtica Aplicada IV Uiversitat Politècica de Cataluya email: fiol@mat.upc.es webpage: www-ma4.upc.es/~fiol Abstract Se estudia
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO 2015 Código asignatura: EXAMEN TIPO TEST MODELO C DURACION: 2 HORAS. Soluciones
EAMEN MODELO C Pág. INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 05 Código asigatura: 6007 EAMEN TIPO TET MODELO C DURACION: HORA olucioes Gráfica : Distribució de u grupo de 800 profesioales saitarios colegiados
Más detallesSESION 15 DISTRIBUCIONES DE MUESTREO
SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes
Más detalles1.- Nociones de los Procesos Estocásticos.
Capítulo 1. 1.- Nocioes de los Procesos Estocásticos. 1.1. Procesos Estocásticos. La palabra estocástico es sióimo de aleatorio, los procesos estocásticos so modelos matemáticos que estudia los feómeos
Más detalles9.3. Contrastes de una proporción
9.3. CONTRASTES DE UNA PROPORCIÓN 219 y el criterio que sumiistra el cotraste es si a teo χ 2 exp b teo = o rechazamos H 0 ; si χ 2 exp < a teo ó χ 2 exp > b teo = rechazamos H 0 y aceptamos H 1. Cotrastes
Más detallesESTADÍSTICA UNIDIMENSIONAL
I.E.S. Virge de la Paz. Alcobedas DEPARTAMETO DE MATEMÁTICAS Itroducció ESTADÍSTICA UIDIMESIOAL El ombre de Estadística alude al eorme iterés de esta rama matemática para los asutos del Estado y su itroducció
Más detallesE.U.I.T.I. Bilbao. Asignatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA
E.U.I.T.I. Bilbao Asigatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA E.U.I.T.I. Bilbao Asigatura: MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA PARTE : ESTADÍSTICA INFERENCIAL 0. RECORDATORIO Estadística iferecial.
Más detalles3.1. Muestreo aleatorio sin reposición Muestreo aleatorio con reposición (muestreo aleatorio simple)
1 Muestreo Tema 1 1. Muestreo. Muestreo aleatorio 3. Tipos de muestreo aleatorio 3.1. Muestreo aleatorio si reposició 3.. Muestreo aleatorio co reposició (muestreo aleatorio simple) 3.3. Muestreo aleatorio
Más detalles1. Intervalos de Conanza
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació
Más detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
Más detallesINFERENCIA ESTADÍSTICA Y ESTIMACIÓN
INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo
Más detallesMODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Julián de la Horra Departamento de Matemáticas U.A.M.
MODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció La Estadística Descriptiva os ofrece ua serie de herramietas muy útiles para resumir gráfica
Más detallesTEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas
TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació
Más detalles4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS
arte Desigualdad de Chebyshev rof. María B. itarelli 4 - DESIGULDD DE CHEBYSHE- LEY DE LOS GRNDES NUMEROS La desigualdad de Chebyshev es ua importate herramieta teórica. Etre otras aplicacioes costituirá
Más detallesEstimación de parámetros. Biometría
Estimació de parámetros Biometría Estimació Las poblacioes so descriptas mediate sus parámetros Para variables cuatitativas, las poblacioes so descriptas mediate y Para variables cualitativas, las poblacioes
Más detallesBloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS
Bloque 3 Tema 1 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Hay ocasioes e las que teemos que tomar decisioes relativas a ua població sobre la base de los coocimietos que
Más detalles1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.
1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =
Más detallesI.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i
I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i
Más detalles