VARIABLES ALEATORIAS

Documentos relacionados
Nº Hermanos 30 Alumnos X i f i P(X i ) 0 8 0, , , , , ,00

Tema 4: Variables Aleatorias

Tema 13: Distribuciones de probabilidad. Estadística

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)

Distribuciones de probabilidad más usuales

Tema 5 Algunas distribuciones importantes

Cálculo y EstadísTICa. Primer Semestre.

Probabilidad Condicional. Teorema de Bayes para probabilidades condicionales:

T1. Distribuciones de probabilidad discretas

Estadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10

Probabilidad Condicional

Bioestadística. Curso Capítulo 3

Definición de probabilidad

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X

TEMA 2: DISTRIBUCIÓN DE PROBABILIDAD

TEMA 3: Probabilidad. Modelos. Probabilidad

VARIABLES ALEATORIAS CONTINUAS

U D PROBABILIDAD 2º BACHILLERATO Col. LA PRESENTACIÓN PROBABILIDAD

Variables aleatorias

Tema 4: Probabilidad y Teoría de Muestras

Tema 3. Probabilidad y variables aleatorias

DISTRIBUCIONES DE PROBABILIDAD DISCRETA

Tema 5. Variables Aleatorias

contablemente infinito.

VARIABLES ALEATORIAS Y FUNCIÓN DE DISTRIBUCIÓN

Elementos de Probabilidad y Estadística. Primer Examen. Parte 2

Unidad II: Fundamentos de la teoría de probabilidad

(DOCUMENTO DE TRABAJO ELABORADO A PARTIR DE RECURSOS ENCONTRADOS EN LA WEB: AULAFACIL 1 Y VADENUMEROS 2 )

TEMA 6: CÁLCULO DE PROBABILIDADES. 6.1 Concepto de suceso aleatorio. Terminología y definiciones.

Probabilidad. Distribuciones binomial y normal

Conceptos. Experimento Aleatorio: Es un fenómeno en el que interviene el azar, es decir no se puede predecir el resultado.

X = beneficio del jugador = (ganancia neta) (recursos invertidos) Cuántos euros debo poner yo para que el juego sea justo?

CAPÍTULO 6: VARIABLES ALEATORIAS

PROBABILIDAD. Profesor: Rafael Núñez Nogales CÁLCULO DE PROBABILIDADES. Experimentos y sucesos

DISTRIBUCIONES DE PROBABILIDAD DISCRETA

Introducción a la Probabilidad

MODELOS DISCRETOS DE PROBABILIDAD

Probabilidad. La probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se realiza un experimento.

Teorema de Bayes(6) Nos interesan las probabilidades a posteriori o probabilidades originales de las partes p i :

Probabilidad y Estadística

4. CONCEPTOS BASICOS DE PROBABILIDAD

VARIABLES ALEATORIAS DISCRETAS

Probabilidad Condicional

ESTADISTICA Y PROBABILIDAD ESTADÍSTICA

Estadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri

Fundamentos de la Teoría de la Probabilidad. Ing. Eduardo Cruz Romero

PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M.

Experimento determinista. Experimento aleatorio. Espacio muestral. Suceso elemental. Suceso seguro. Suceso imposible.

DISTRIBUCIÓN N BINOMIAL

Disponible en el sitio OCW de la Universidad Nacional de Córdoba.

Fundamentos de Estadística y Simulación Básica

Tema 6: Modelos de probabilidad.

Estadística y sus aplicaciones en Ciencias Sociales 1. Introducción a la probabilidad

Distribución Binomial

Sesión 2: Teoría de Probabilidad

TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES

En general un experimento es aleatorio si se dan las 3 condiciones siguientes:

TEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...

Variables Aleatorias. Introducción

Fundamentos de Estadística y Simulación Básica

PROBABILIDAD Y ESTADÍSTICA

Fundamentos de Estadística y Simulación Básica

Variable Aleatoria. Relación de problemas 6

OBJETIVOS CONTENIDOS PROCEDIMIENTOS. Experimento determinista. Experimento aleatorio. Espacio muestral. Suceso elemental.

2.3 PROPIEDADES DE LA PROBABILIDAD

EXPERIMENTO ALEATORIO

Prof. Eliana Guzmán U. Semestre A-2015

Variables aleatorias unidimensionales

Variables aleatorias

Tema 3: Cálculo de Probabilidades. Métodos Estadísticos

Tema 4 Variables Aleatorias

GRADO TURISMO TEMA 7: INTRODUCCIÓN A LOS MODELOS DE PROBABILIDAD

Departamento de Matemática Aplicada a la I.T.T.

Unidad Temática 3: Probabilidad y Variables Aleatorias

Objetivo: Entender la diferencia entre una desviación y una distribución. Reconocer los tipos de desviaciones y distribuciones.

2. CONCEPTOS BÁSICOS DE LA PROBABILIDAD

Distribuciones de probabilidad

TEMAS BIMESTRAL. Son los experimentos de los que podemos predecir el resultado antes de que se realicen.

Teorema de Bayes. mientras que B tiene una tasa de defectos del 4%.

Problemas de probabilidad: binomial

Teoría de la decisión

Introducción al Tema 7. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones.

Probabilidad, Variables aleatorias y Distribuciones

Maestría en Bioinformática Probabilidad y Estadística: Clase 3

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:

DISTRIBUCIONES DE PROBABILIDAD

Juan Carlos Colonia DISTRIBUCIONES MUESTRALES

HOJA DE TRABAJO UNIDAD 3

Grupo 23 Semestre Segundo examen parcial

Distribución binomial

APROXIMACIÓN A UNA DISTRIBUCIÓN NORMAL

Ideas básicas de probabilidad. objetivo Inferencia estadística.

Concepto de Probabilidad

Bioestadística. El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numérica.

ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev

Probabilidad 2º curso de Bachillerato Ciencias Sociales

Distribuciones de Probabilidad para Variables Aleatorias Discretas 1

Curso de Probabilidad y Estadística

Transcripción:

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 está formado por los números de 2 al 12. Por ejemplo El resultado sacar 3 define los eventos {(1,2), (2,1)} El resultado sacar 10 define los eventos {(6,4), (5,5), (4,6)} Los resultados definen conjuntos de eventos y permiten calcular las probabilidades

Una variable aleatoria es una función (fórmula, regla) que asigna a cada elemento del espacio muestral un número real. La variable aleatoria X es discreta si sólo toma una cantidad finita (o una sucesión) de valores numéricos x 1,x 2,x 3 Para cada valor está bien definida la probabilidad de que X tome el valor x i La variable aleatoria X es continua si si sus valores forman un conjunto continuo dentro de los números reales (como una unión finita de intervalos, acotados o no), Dado un intervalo I=(a,b) (puede ser a=-infinito o b=+infinito), la probabilidad de que el valor de X esté dentro de ese intervalo I está bien definida. P( X I) Ejemplo: La regla que asocia al lanzamiento de 2 dados la suma del resultado de cada lanzamiento es una variable aleatoria discreta. La regla que asocia a cada individuo su altura es una variable aleatoria continua. Ver sección 4.1 del libro

Ejemplo: Un experimento de Bernouilli es un experimento aleatorio que sólo tiene dos resultados éxito (E) y fracaso (F) con probabilidades P(E)= p P(F)=q p+q=1 Nos referiremos a esto como a un experimento Bernouilli(p). Una variable aleatoria X es de tipo Bernoullí asigna X(Éxito) = 1, X(Fracaso) = 0 1.Lanzar una moneda; éxito cara y fracaso cruz. Si no está trucada P(E) = P(X = 1) = 0.5 P(F) = P(X = 0) = 0.5 2.Obtener un 5 al lanzar un dado; éxito = "sacar 5" y fracaso ="no sacar 5. Si no está trucado P(E) = P(X=6) = 1/6 P(F) = P(X <> 6) = 5/6 Ver sección 5.1.1 del libro

Un experimento binomial de tamaño n con probabilidad de éxito p consiste en realizar n veces, de forma independiente, un experimento de Berniulli con probabilidad de éxito p. Para un experimento binomial, se llama variable aleatoria binomial a la variable X = nº de éxitos al repetir n veces el experimento Bernoulli Ejemplo: Considera el experimento Bernoulli: lanzar un dado y que salga 6. Éxito = que salga 6, P(E) = 1/6. Fracaso = que NO salga 6, P(F) = 5/6. El experimento binomial consiste en lanzar 5 veces un dado (repetir 5 veces el experimento Bernoulli). X = nº de seises en 5 lanzamientos. Cuál es la probabilidad de sacar 2 seises? P(X = 2)? Ver sección 5.1.2 del libro

Empezamos haciendo un recuento de las situaciones en las que salen 2 seises en 5 tiradas: Llamamos A i = sacar 2 seises en la tirada nº i Queremos calcular P(sacar 2 seises al lanzar un dado 5 veces) = Ver sección 5.1.2 del libro

Llamamos A_i = sacar 2 seises en la tirada nº i Queremos calcular Los eventos son disjuntos, por tanto Calcular, por ejemplo, la probabilidad de A_1 Como los eventos son independientes Por qué hay 10 posibles eventos asociados con el éxito? Ver sección 5.1.2 del libro

En general, si X es una variable binomial de parámetros n (nº de repeticiones del experimento Bernoulli) y p (probabilidad de éxito La probabilidad de obtener k éxitos en los n experimentos Bernoulli es Ver sección 5.1.2 del libro

La función de densidad (de probabilidad) de una variable aleatoria discreta es la función definida mediante: para cualquier número real x. f (x) = P (X = x), Ejemplo: lanzar dos dados y sumar lo que sale en las dos caras. Ejemplo. El experimento consiste en lanzar 5 veces un dado, X = nº de seises en 5 lanzamientos. Éxito = sacar 6. X 0 1 2 3 4 5 P(X = x) 0.4019 0.4019 0.1608 0.03215 0.003215 0.0001286

MEDIA DE UNA VARIABLE ALEATORIA DISCRETA: EL VALOR ESPERADO Recordad la media de una variable estadística: Junto con la definición frecuentista de probabilidad

Ejemplo: valor esperado de la suma del resultado de lanzar dos dados Al aplicar la fórmula anterior obtenemos:

VARIANZA DE UNA VARIABLE ALEATORIA DISCRETA Recordad la varianza de una variable estadística: Junto con la definición frecuentista de probabilidad

Ejemplo: varianza de la suma del resultado de lanzar dos dados Al aplicar la fórmula anterior obtenemos: