Universidad Técnica Federico Santa María

Documentos relacionados
Universidad Técnica Federico Santa María

Tema 10: Variables aleatorias

Capítulo 5: Variables Aleatorias Distribuciones Estadística Computacional I Semestre Variables Aleatorias

FUNDAMENTOS TICOS TEMA 5: CÁLCULO INTEGRAL DE FUNCIONES DE UNA Y DOS VARIABLES

Variables Aleatorias. Capítulo 4: Variables Aleatorias. Distribuciones Estadística Computacional 1º Semestre Variables Aleatorias

Variables aleatorias discretas

TEORÍA DE RENTAS DISCRETAS 1 Rentas Constantes (teoría)

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

8. 3 2a = 0 a = 3 / 2 3b 4 = 0 b = 4 / 3. Página a) (2, 4) b) (4, 1) c) ( 3, 4) d) (5, 0)

, x es un suceso de S. Es decir, si :

Examen de Física-1, 1 Ingeniería Química Enero de 2011 Cuestiones (Un punto por cuestión).

(Apuntes sin revisión para orientar el aprendizaje) CÁLCULO INTEGRAL LA INTEGRAL DEFINIDA Y LA INTEGRAL INDEFINIDA

LONGITUD DE ARCO. Una aproximación es una línea recta desde el punto x=a hasta el punto x=b, como se indica en la figura:

MODELIZACIÓN SECUENCIACIÓN TAREAS

X = x ) pierde su significado. Lo que se hace es sustituir la definida sólo para x,..., por una función f (x)

3 - VARIABLES ALEATORIAS

ALGEBRA VECTORIAL. cúbico Caudal de volumen Metro cúbico por segundo. m 3 /s CAP Magnitudes físicas. Pág. 1

10 1 deca da 10 2 hecto h 10 3 kilo k 10 6 Mega M 10 9 Giga G Tera T Peta P Exa E Zetta Z Yotta Y

Redes pasivas de microondas de más de dos accesos

0.1 Sustituciones trigonométricas.-

INDICE. Operaciones básicas. Matrices. Matriz cuadrada. Traza de una matriz. Suma y resta de matrices. Producto de matrices.

Uno de los problemas que dio origen al concepto de integral definida fue de origen geométrico:

Variables Aleatorias. Introducción

Tema 1.- Variable aleatoria discreta (V2.1)

Programación y Métodos Numéricos: Integración Numérica- Fórmulas de de tipo interpolatorio

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

C Capacitores e inductores. Circuitos de Primer Orden

Variable aleatoria: definiciones básicas

Esta hoja de enunciados deberá ser devuelta al final del examen. El solucionario se publicará en la página web.

MALLAS EN CIRCUTOS CC

Integrales Impropias. Capítulo Introducción Integrales de Funciones No Acotadas

TEORÍA DIFRACCIONAL DE LA FORMACIÓN DE IMÁGENES (II): ANÁLISIS EN FRECUENCIAS DE LOS SISTEMAS ÓPTICOS

Distribuciones de probabilidad

Guía Semana 4 1. RESUMEN 2. EJERCICIOS PROPUESTOS. Universidad de Chile. Ingeniería Matemática

Ondas y Rotaciones. Dinámica de las Rotaciones V

λ = A 2 en función de λ. X obtener las relaciones que deben

Análisis Poblacional de Mulliken y Löwdin

X obtener las relaciones que deben

SISTEMAS DE ECUACIONES LINEALES

Gestión de inventarios

FUNDAMENTOS DE INGENIERÍA ELÉCTRICA. José Francisco Gómez González Benjamín González Díaz María de la Peña Fabiani Bendicho Ernesto Pereda de Pablo

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel

Para un dado que no está cargado asignamos equiprobabilidad a los valores posibles de la variable aleatoria X:

MATEMÁTICAS Y CULTURA B O L E T Í N No. 262 COORDINACIÓN DE MATEMÁTICAS

MATEMÁTICA 4º. Prof. Sandra Corti

TALLER N 4 DE ESTADÍSTICA

Teorema del punto fijo Rodrigo Vargas

6. INTERPOLACIÓN POLINOMIAL: SPLINES

TEMA 2: MAGNITUDES ALEATORIAS

Anexo 3: Demostraciones

4. EL TEOREMA DE RADON-NIKODYM.

El Teorema de Arzela-Ascoli Rodrigo Vargas

TEOREMA 1 (Criterio de la segunda derivada para extremos relativos)

Grado en Química Bloque 1 Funciones de una variable

Tema 22. El lema de bombeo para LR

EJERCICIOS NÚMEROS COMPLEJOS. 3+4i 20º

Variables Aleatorias

Variables Aleatorias

TEORÍA DE CÁLCULO II PARA GRADOS DE INGENIERÍA Elaborada por Domingo Pestana y José Manuel Rodríguez 4. INTEGRALES DE LÍNEA Y DE SUPERFICIE

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70

Límite - Continuidad

Modelos adaptativos basados en modelos promediados C. Jaen. Enginyeria Electrònica Campus Terrassa 9 Noviembre 2006

METODOS NUMERICOS TALLER 7, SEMESTRE Se obtuvieron los siguientes datos de la distancia recorrida por un cohete contra el tiempo:

PyE_ EF1_TIPO1_

José Francisco Gómez González Benjamín González Díaz María de la Peña Fabiani Bendicho Ernesto Pereda de Pablo

Geodesia Física y Geofísica

Matemáticas Empresariales I. Integral Definida

Integrales impropias

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL INSTITUTO DE CIENCIAS FÍSICAS I TÉRMINO FÍSICA C Tercera evaluación SOLUCIÓN

Funciones de variable compleja

La Integral Definida

Tema 4: Operaciones sobre lenguajes regulares

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

3. VARIABLES ALEATORIAS.

La Teoría de Redes establece métodos para plantear, resolver y analizar las Ecuaciones de la Red.

DISTRIBUCIONES COMUNMENTE USADAS

Héctor Palma Valenzuela. Dpto. de Matemática UdeC Definición e interpretación geométrica

TEOREMA 1 (Criterio de la segunda derivada para extremos relativos)

Función no Acotada en uno o en los dos extremos del Intervalo de Integración. f (x) d x = lim

7 Integral triple de Riemann

Grado en Biología Tema 3 Integración. La regla del trapecio.

Calcular el equivalente Thevenin y Norton entre los puntos a y b en el circuito de la figura

Integración numérica por Monte-Carlo

INTEGRALES Curso , 2 tal que f(c) = k? ), para algún punto [a, b].

INTEGRACION DE ECUACIONES DIFERENCIALES

Sumas Superiores e inferiores (ó Sumas de Riemann)

Determinantes y la Regla de Cramer

Funciones continuas. Mariano Suárez-Alvarez. 4 de junio, Índice

para cualquier a y b, entonces f(x) es la función de densidad de probabilidad de la variable aleatoria continua X.

INTEGRALES IMPROPIAS INTEGRALES EN INTERVALOS NO ACOTADOS. (Integral impropia de 1ª especie).

Solución Examen. (1 + a)x + y + z + u = α x + (1 + a)y + z + u = β x + y + (1 + a)z + u = γ x + y + z + (1 + a)u = δ.

TEMA 2. Métodos iterativos de resolución de Sistemas de Ecuaciones Lineales

Caso práctico sobre reparto de dividendos entregando activos no monetarios.

Muchos cálculos algebraicos, que son difíciles o imposibles por otros métodos, son fáciles de desarrollar por medio de los logaritmos.

INTEGRAL DEFINIDA INTRODUCCIÓN

EJERCICIOS DE RAÍCES

Tema 4: Variables aleatorias

Series de Taylor. Antes de comenzar con la series de Taylor, repasemos algunas propiedades importantes de las series infinitas.

Transcripción:

Unversdd Técnc Federco Snt Mrí Vrles Aletors Cpítulo 5: Vrles Aletors Dstrucones stdístc Computconl II Semestre Profesor : Héctor Allende Págn : www.nc.nf.utfsm.cl/~hllende e-ml : hllende @nf.utfsm.cl Funcón que sgn cd punto del espco muestrl un número rel jemplo N : : Ω R Ω {fll, no fll} ({ no fll }) ({ fll }) Vrles Aletors Vrles Aletors Ω spco Muestrl no fll fll A cd w Ω le corresponde ectmente un vlor ( IR Ω A w k w (w) (w ) ; w Ω ({no fll}) : Ω ({fll}) R IR IR + Conjunto Números Reles R l espco R es el conjunto de TODOS los posle vlores de (w). n certo sentdo podemos consderr R como otro espco muestrl. l espco muestrl orgnl Ω nduce un espco muestrl R socdo l Vrle Aletor. - (]-, ]) I Fml de eventos elementles 3 Luego un evento A en S nduce un evento en el espco muestrl R. 4 Vrles Aletors Funcón de Proldd w k A Nótese que pr cd pr de números reles y esten los sguentes conjuntos w - - (w) (w) ; s Ω ( < < ) ( < ] [ < ) [ ] < ) ] ( > ( R l concepto de Proldd de ocurrenc de eventos en el espco muestrl Ω se puede plcr eventos en R. s Ω f() : Ω R f : R [, ] ( ) f( ) I ( f ( ) R 6 Profesor: Héctor Allende Olvres

Unversdd Técnc Federco Snt Mrí Vrle Aletor Vrle Aletor Dscret : Ω R f:c R (], ]) I Vrle Aletor Dscret Se C I (con C Ω) Soporte contle ) f ( c ) ) I f ( c ) Usndo l trnsformcon C { c : I N} 7 Se un vrle letor S el número de vlores de (esto es su Recorrdo). s fnto (contle) o. s contlemente nfnto (denumerle). ntonces llmmos un vrle letor dscret. sto es, los vlores de (w) pueden ser enumerdos.,, 3,, n, n el cso contle l lst es fnt. n el cso denumerle l lst es nfnt contle 8 Funcón de Proldd v. dscret A cd resultdo posle se soc un número f ( ) ( w) llmdo l proldd de Los f( ) deen stsfcer: f ( ) f ( ) l conjunto de pres (, f( )) se le denomn Funcón de Proldd o Cuntí. ) f( ) 3 4 5 6 n P (5) f(5) Funcón de Proldd de ms Funcón de Frecuenc 9 Funcón de Cuntí de un v.. dscret ( c ) A) j { : c C A} f ( c Propeddes funcón de cuntí: ) Funcón de Dstrucón ) j ) F ( ) ) f ( ) ) spernz y Vrnz de un v.. dscret spernz de un v..d. [ ] ) Vrnz de un v..d [ ] ( [ ] V ) ) f() Consderemos un solo epermento ε p,7 Dstrucón Bernoull se A un evento socdo con tl epermento. supongmos que A) p; luego A c ) - p Se l v.. (A ) (A c ) ) p ) p ntonces su funcón de cuntí es f() ) p ( p) -, < p < Profesor: Héctor Allende Olvres

Unversdd Técnc Federco Snt Mrí Dstrucón Bernoull Vrle letor dscret Bernoull: donde se tenen sólo eventos posles: spernz: Vrnz: : Ω R ( w) ) p ( w) ) p [] ( - p ) + * p p V [] ( - p ) ( - p ) + ( - p ) p p ( - p ) Dstrucón Bnoml Supongmos que de un líne de produccón se etren n pezs con reemplzo, ls cules pueden ser defectuoss o no con un proldd p. : N de pezs defectuoss en ls n etrccones ntonces n k nk k) p ( p) k,,..., n k 3 4 Dstrucón Bnoml Dstrucón Bnoml Sen n repetcones ndependentes del epermento. Ω consste de todos los posles secuencs {,, 3,.., n }, donde cd puede ser un evento A o un evento A c. sten n de tles secuencs. f(),3,,, n 6 p, 3 4 5 6 7 8 9 Se l vrle letor : número de veces que ocurre el evento A sus posles vlores son:,,, 3,..., n f() ) n,,,...,n < p < p ( p) n- 5 spernz: Vrnz : Notcón: [] np V [] np (-p) ~ B( n, p) Crcterístcs: Se utlz en el muestreo de un polcón fnt con reemplzo. Tmén cundo l polcón es muy grnde, con o sn reemplzo, y que p se hce reltvmente constnte. 6 Dstrucón Bnoml Dstrucón de Posson Supongmos que tenemos un muestr de tmño grnde, pr lo cul l proldd de encontrr un rtículo defectuoso es pequeño p, y por lo tnto np el número totl de rtículos defectuosos en l muestr. Se λ np. ntonces k λ λ e k) k,,,... k! 7 8 Profesor: Héctor Allende Olvres 3

Unversdd Técnc Federco Snt Mrí Dstrucón de Posson Dstrucón de Posson spernz: Vrnz: [] λ V [] λ Cso límte: B( n, p ) con k n λ λ k) k n n n y p P nk k λ ( k) e λ I N ( k ) k! I ( k ) {,,,..., n} 9 Construccón de un Modelo Prolístco Crendo un modelo prolístco jemplo: Ls pezs l sld de un líne de produccón se clsfcn en defectuoss (D) o no defectuoss (N). Se tom tres pezs letormente y se clsfcn de cuerdo este esquem. l Ω pr este epermento es: Ω {NNN, NND, NDN, DNN, NDD, DND, DDN, DDD} L proldd que un pez se defectuos es p y no cm. so mplc que s l polcón es fnt, ls oservcones se hcen con reemplzo Interes el número de pezs D y no el orden en que slen. Se defne un v.. gul l número de pezs defectuoss; luego, {,,, 3). ncontrr (, f( )),5,4,3,, f() (-p) 3 3(-p) p Ω {NNN, NND, NDN, DNN, NDD, DND, DDN, DDD} (NND) (NDN) (DNN) 3(-p) p 3 N) N) D) p 3 3 F() Funcón de dstrucón v.. dscret 3 4 5 6 n 5) f( 5) Funcón de Proldd de ms Funcón de Frecuenc F() < Σ f( ) < Σ f( ) < 3 3 Σ f( ) 3 < 4 4 Σ f( ) 4 < 5 Vrles Aletors Contnus Cundo el epermento ε se relz sore un espco muestrl Ω que está relcondo con escls ntevlres. tles como medcones de dstncs, volúmenes, pesos, tempos, velocdd, voltjes, ntensdd, cudl, tempertur, etc. Y que los posles vlores de en un ntervlo, < <, son nfntos - no enumerles - no podemos hlr del -ésmo vlor de ; n tles csos se hl de Vrles Aletors Contnus, donde R es un ntervlo o un conjunto de ntervlos; entonces este un funcón contnu especl: f : R R < < + h) f ( ) lm > h h 3 4 Profesor: Héctor Allende Olvres 4

Unversdd Técnc Federco Snt Mrí Vrles Aletors Contnus Dstrucones de Proldd Contnus Se un vrle letor contnu. L funcón densdd de proldd (pdf) es un funcón que stsfce: f() > ; R f() d R, + f() A: un evento A: { < ) A) < < ) f( ) d 5 stán defnds por un densdd de v.. f : R R se dce densdd de proldd Propeddes: f() - f()d 6.. F ( ) ) f ( t) dt 3. F (- ) ; F ( ) 4. F es no decrecente 5. Propeddes y Defncones P ( ) f ( ) d [ ] R 6. V ( ) f ( ) d f ( ) d [ ] [ ] R f() A f ( ) d 7 Funcón de dstrucón cumuld S es un vrle letor, l Funcón de Dstrucón Acumuld mde l proldd de un suceso en un ntervlo de vlores: F( ) ) S es un v.. Dscret F ( ) f ( ) Donde l sum es tomd sore todos los índces que stsfcen S es un v.. Contnu F ( ) f ( t) dt Donde l sumtor es reemplzd por un ntegrcón pr todos los vlores de t 8 Construccón de Modelos de Proldd Vrles Aletors Contnus Se F : R R es un funcón de dstrucón, entonces: F es no decrecente F es contnu por l derech lm f ( ) y lm f ( ) Luego ] -, ]) F() defne un Proldd Además: ],] ) F() - F() [,] ) F() - F(-) ],[ ) F(-) - F() [,[ ) F(-) - F(-) 9 f(),, Se un vrle letor contnu que puede tomr culquer vlor entre ; cuy pdf es:, 3 4 5 6 7 8 9 mn má f ( ) Se 3; A: el evento { 4 < < 7 } ntonces: A) 4 < < 7) A) 3 7 4 9 d 3 Profesor: Héctor Allende Olvres 5

Unversdd Técnc Federco Snt Mrí Dstrucón Unforme Dstrucón Unforme Funcón de densdd f ( ) < < Funcón de Dstrucón es F ( ) < < + ( ) spernz [ ] Vrnz V [ ] Notcón: ~ U (, ) 3 3 Dstrucón Norml o Gussn Dstrucón Norml Funcón de densdd f ( ) µ σ πσ e, R L funcón de Dstrucón no tene epresón nlítc. (Usr tls o clculdor spernz Vrnz Notcón: [ ] µ [ ] σ V ~ N( µ, σ ) 33 34 Dstrucón Norml o Gussn Dstrucón ponencl stndrzcón Hcendo µ Z N(, ) σ se tene que: z f z( z) e π y F Z (z) se otene de tls!, z R Funcón de densdd Funcón de Dstrucón es spernz Vrnz Notcón: λ f ( ) e s, λ > λ V [ ] λ ~ ep( λ) λ F ( ) e [ ] λ 35 36 Profesor: Héctor Allende Olvres 6

Unversdd Técnc Federco Snt Mrí Dstrucón ponencl Dstrucón de Rylegh Funcón de densdd Funcón de Dstrucón es spernz Vrnz Notcón: f ( ) e α α s F ( ) e α π [ ] π V [ ] ( ) α ~ R( α) α 37 38 Dstrucón de Rylegh Dstrucón de Weull Funcón de densdd f ( ) e s, >, > Funcón de Dstrucón es F ( ) e spernz Vrnz Notcón: [ ] / Γ + / Γ + Γ V + ~ Weull(, ) [ ] 39 4 Dstrucón de Weull Dstrucón t-student Funcón de densdd ν + Γ f ( ) ν + ν νπ Γ + ν spernz Vrnz Notcón: V [ ] ν > ν [ ] ν > ν ~ t ν 4 4 Profesor: Héctor Allende Olvres 7

Unversdd Técnc Federco Snt Mrí Dstrucón t-student Dstrucón Gmm Funcón de densdd α β e f (, β ) I α R α) β + ( ) Funcón de Dstrucón es spernz Vrnz Notcón: f F ( ) ) ( t, β ) dt [ ] αβ V [ ] αβ ~ Gmm( β ) β ) n) y n e y dy n > 43 44 Dstrucón Gmm Dstrucón Ch-CudrdoCudrdo ~ β ) Funcón de densdd Funcón de Dstrucón es spernz Vrnz Notcón: f F ( ) ) ( t, n) dt [ ] n V [ ] n ~ χ ( n) n /,) f n e n Γ (,n) I () n R+ 45 46 Dstrucón Ch-CudrdoCudrdo Dstrucón Bet Funcón de densdd r + r f (, r, s ( ) I[ ]( ), r) Funcón de Dstrucón es spernz Vrnz Notcón: f F ( ) ) ( u, r, du V [ ] [ ] β( r, µ [ ] r r + s rs ( r + ( r + s + ) ~ Bet( r, β ( r, r s ( ) d r + r + u) r) r + s + u) 47 48 Profesor: Héctor Allende Olvres 8

Unversdd Técnc Federco Snt Mrí Dstrucón Bet 49 Profesor: Héctor Allende Olvres 9