Cálculo y EstadísTICa. Primer Semestre.
|
|
- Jesús Fidalgo Toro
- hace 7 años
- Vistas:
Transcripción
1 Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica de Madrid Capítulo III DISTRIBUCIONES DISCRETAS Manuel Barrero Ripoll. Mª Ángeles Castejón Solanas. Mª Luisa Casado Fuente. Luis Sebastián Lorente. Departamento de Ingeniería Topográfica y Cartografía Universidad Politécnica de Madrid
2 -III
3 III. DISTRIBUCIONES DISCRETAS 3. Distribución uniforme discreta 4 3. Experimento de Bernouilli. Distribución binomial. B(n, p) Propiedades de la variable aleatoria B(n, p) 3.. Características de las variables binomiales 3.3 Distribución de Poisson. P(λ ) Propiedades de la variable aleatoria P(λ) 3-III
4 3. Distribución uniforme discreta. Una variable aleatoria discreta que toma todos sus valores se dice que tiene una distribución uniforme discreta. x, x,..., x con igual probabilidad, La función de probabilidad de una variable aleatoria uniforme discreta está dada por f(x) = con x = x, x,..., x siendo >0, y xi x j para i j La media y varianza de la distribución uniforme es μ= y i i= x σ = (x ). i μ i= En el caso particular de que x i =i (los valores son enteros consecutivos), y la función de probabilidad se transforma en: f(x) = para x=,,, siendo en este caso la media y varianza: + μ= y σ =. Ejemplo. El temario para un examen consta de 35 temas, de los cuales se elegirá uno al azar. Si un alumno no ha estudiado los 0 últimos temas Cuál es la probabilidad de que el alumno sepa el tema elegido para el examen? Hallar la media y varianza. Sea X la variable aleatoria que representa el número de tema seleccionado para el examen, como todos los temas tienen la misma probabilidad de ser seleccionado, X sigue una distribución uniforme de parámetros a= y b=35. El alumno aprueba el examen si le toca un tema del al 5; así pues: = = P X 5 = = 0.748, por i= tanto, el alumno tiene una probabilidad de de saber el tema del examen. - La probabilidad de salir el tema es P( X ) - La probabilidad de salir un tema estudiado es ( ) - La media y varianza son los valores 35 + μ = = 8 35 y σ = = Experimento de Bernouilli. Distribución Binomial. B(n, p). Consideremos un experimento aleatorio que solo admite dos resultados excluyentes, A y A, uno de ellos es denominado A=éxito y el otro A =fracaso. La probabilidad de éxito se designa por P(A)=p, por consiguiente, la probabilidad de fracaso es P( A) = p= q. lu_seb.topografia.upm.es 4-III
5 III. DISTRIBUCIONES DISCRETAS Supongamos que se realizan n pruebas sucesivas e independientes tales que la probabilidad de que ocurra A permanece constante a lo largo del experimento (experimento de Bernouilli). A la variable aleatoria discreta X= número de veces que ocurre el suceso A (éxito) en las n pruebas se la denomina variable binomial de parámetros n y p B(n,p). Para calcular la distribución de probabilidad, fijamos en primer lugar que el suceso favorable A (éxito) se obtenga veces y el suceso A, n- veces en este orden: ) n ) con probabilidad: p...p.q... q = n p.q por ser sucesos independientes. ) n ) A A... A A A... A, En segundo lugar, contamos el número de ordenaciones distintas que podemos hacer con los n elementos, donde A se repite veces y A, n- veces, esto es n n! =! (n )! por tanto n n P( X= ) = p q =0,,,,n Esta expresión recibe el nombre de función de probabilidad de la variable binomial de parámetros n, p y se designa por B(n, p). Fx n = pq x La función de distribución correspondiente es ( ) n Con la función de EXCEL DISTR.BINOM podemos obtener las probabilidades anteriores. B(n, p) P(X=x) P( X x) = F(x) DISTR.BINOM(x;n;p;0) DISTR.BINOM(x;n;p;) 3.. Propiedades de la variable B(n, p). Una distribución binomial: - Queda caracterizada cuando se conocen los parámetros n y p, se escribe B(n, p). - Su media y varianza son EX [ ] μ= = npy V[X]=n p q respectivamente. - Si tenemos s variables aleatorias independientes entre sí, todas ellas con distribución Xi Bi( n i,p), entonces la variable aleatoria Y= X i tiene una distribución Y B ni,p. Es decir, la suma de s variables aleatorias binomiales i=...s independientes entre sí, y todas ellas con igual probabilidad de éxito, resulta ser otra manuel.barrero@topografia.upm.es 5-III i=...s
6 variable binomial, con la misma probabilidad de éxito y número de pruebas la suma de las s pruebas. 3.. Características de las variables binomiales. Algunas distribuciones de probabilidad se ajustan a un modelo matemático. Conocido el modelo, podemos escribir directamente las probabilidades de esas distribuciones. Si se observa que una variable estadística, obtenida experimentalmente a partir de una muestra, satisface las condiciones que conducen a una distribución binomial, tendrá una distribución empírica que se aproximará a una distribución binomial teórica. El problema radica en determinar si nos encontramos efectivamente frente a una distribución binomial, y si es así cuáles son los parámetros de la distribución binomial que mejor se ajusta. Algunas características que definen a una variable aleatoria binomial son: El experimento consiste en n pruebas idénticas e independientes. Cada prueba tiene únicamente dos posibles resultados A (éxito) y A (fracaso). P(A)=p y P( A )=-p=q que se mantiene constante a lo largo del experimento. La variable aleatoria binomial X es el número de éxitos en las n pruebas. Se demuestra que la distribución binomial que mejor se ajusta es la que tiene la misma media. Para ello calculamos la media muestral X y la hacemos coincidir con X la de la población n.p X, de donde p siendo n el número de elementos de n X la muestra. Por tanto, ajustamos la distribución binomial Bn,. n Ejemplo. Un dado se lanza siete veces; en un lanzamiento llamamos éxito si sale un múltiplo de tres. Calcular: a) La probabilidad de que un múltiplo de tres salga 4 veces exactamente (o sea, =4). b) La probabilidad de que no salga un múltiplo de tres (o sea, todos fracasos). c) La probabilidad de que como máximo salgan cuatro veces un múltiplo de tres. d) El número esperado y la desviación típica del número de veces que se obtiene un múltiplo de tres en siete lanzamientos. Primeramente, observamos que tenemos una distribución Binomial, cuya variable aleatoria es el número de veces que sale múltiplo de tres al lanzar un dado siete veces, esto es B7, 3 siendo n=7=número de lanzamientos, p= 3 la probabilidad de que salga múltiplo de tres. a) P(X 4) III
7 III DISTRIBUCIONES DISCRETAS b) P(X 0) c) P(X 4) F4 = 3 d) EX n.p r 7 p.q r nr 7 = r4r r0 r. 3 3 r 4 VX n.p.q Distribución de Poisson. P( ) Una variable aleatoria X tiene una distribución de Poisson de parámetro, si toma los valores naturales 0,,..., n con probabilidad: P(X ) e si >0.! La función de distribución correspondiente es: F(X x) e.! x Mediante EXCEL obtenemos las probabilidades anteriores con la función POISSON P(λ) P(X=x) PXx F(x) =POISSON(x;λ;0) =POISSON(;λ;) 3.3. Propiedades de la variable P(). Una distribución de Poisson: Queda caracterizada cuando se conoce el parámetro y se escribe P(). Su media es: EX Su varianza es: = V[X]= Si en la distribución binomial B(n,p) n es muy grande y p muy pequeña se puede aproximar mediante la distribución de Poisson, haciendo n.p =. En general es una buena aproximación de la distribución binomial para valores de n 50y p 0. ó n p 5. Si tenemos s variables aleatorias independientes entre sí, todas ellas con distribución X P, entonces la variable aleatoria Y Xi tiene una distribución i i i YP i...s i...s i. Es decir, la suma de s variables aleatorias de Poisson independientes entre sí y cada una de ellas con su parámetro i, resulta ser otra variable de Poisson con parámetro dado por la suma de los s parámetros i. Universidad Politécnica de Madrid manuel.barrero@topografia.upm.es 7-III
8 Es una distribución que se presenta cuando tenemos una población n grande y la probabilidad de que ocurra un suceso determinado, tiene una probabilidad muy pequeña (ley de casos raros). Ejemplo. El director de una compañía de alquiler de coches compra neumáticos en lotes de 000 para aprovechar los descuentos ofrecidos por compras al por mayor. Por experiencias anteriores, se sabe que el % de los neumáticos adquiridos salen defectuosos y se deben reemplazar al primer mes de uso. Calcular la probabilidad de que en un lote de 000 neumáticos: a) Haya solamente dos defectuosos. b) No haya defectuosos. c) No haya más de cuatro defectuosos. Sea la variable aleatoria X= número de neumáticos defectuosos en el lote de mil neumáticos. El número de neumáticos existentes en el lote es de 000, así pues n=000. El % de los neumáticos salen defectuosos, por tanto, p=0.0. Así pues el número medio de neumáticos defectuosos es n p= =0=λ, entonces X sigue una distribución de Poisson de parámetro λ=0. Nos piden: a) b) c) 0 0 P(X = ) = e 0.007,! resultado obtenido con la función POISSON(;0;0) P(X = 0) = e , 0! resultado obtenido con la función POISSON(;0;0). F4 () = P(X 4) = P(X = 0) + P(X = ) + P(X = ) + P(X = 3) + P(X = 4) , resultado obtenido con la función POISSON(4;0;). 8-III
Cálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica
Más detallesApuntes de Clases. Modelos de Probabilidad Discretos
2010 Índice 1. Distribución de Bernouilli 2 2. Distribución Binomial 3 3. Distribución Hipergeométrica 3.1. Aproximación Binomial de la distribución Hipergeométrica............. 7 4. Distribución Geométrica
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #3 Tema: Distribución Discreta Prof.: MSc. Julio Rito Vargas A. Grupo:CCEE y ADMVA /2016 Objetivos: Definir la función de probabilidad
Más detallesMODELOS DISCRETOS DE PROBABILIDAD
MODELOS DISCRETOS DE PROBABILIDAD M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Modelo Uniforme Discreto Modelo Uniforme Discreto Sea
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E un número real: X: E Ejemplo: Consideremos el experimento
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesAlgunas Distribuciones EstadísticasTeóricas. Aproximación de la Distribución Binomial por la Distribución de Poisson
Algunas Distribuciones EstadísticasTeóricas Distribución de Bernoulli Distribución de Binomial Distribución de Poisson Aproximación de la Distribución Binomial por la Distribución de Poisson Distribución
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesObjetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria
Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza
Más detalles9 APROXIMACIONES DE LA BINOMIAL
9 APROXIMACIONES DE LA BINOMIAL 1 Una variable aleatoria sigue una distribución binomial B(n = 1000; p = 0,003). Mediante la aproximación por una distribución de POISSON, calcular P(X = 2), P(X 3) y P(X
Más detallesTema 6: Modelos de probabilidad.
Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos
Más detallesTEMA 2: DISTRIBUCIÓN DE PROBABILIDAD
TEMA 2: DISTRIBUCIÓN DE PROBABILIDAD A partir de un experimento aleatorio cualquiera, se obtiene su espacio muestral E. Se llama variable aleatoria a una ley (o función) que a cada elemento del espacio
Más detallesVARIABLES ALEATORIAS
VARIABLES ALEATORIAS Ejemplo: lanzar dos dados y sumar lo que sale en las dos caras. El espacio muestral está formado por los 36 resultados posibles (de lanzar los dados) Y el resultado del experimento
Más detallesDOCUMENTO 2: DISTRIBUCIÓN DE PROBABILIDAD DISCRETA: LA DISTRIBUCIÓN BINOMIAL
DOCUMENTO 2: DISTRIBUCIÓN DE PROBABILIDAD DISCRETA: LA DISTRIBUCIÓN BINOMIAL Como recordarás una variable aleatoria discreta es aquella que sólo puede tomar valores enteros. Ejemplos: puntuación obtenida
Más detallesTema 4: Modelos probabilísticos
Tema 4: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detallesIntroducción al Tema 7. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones.
Introducción al Tema 7 1 Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. V.A. de uso frecuente Tema 7. Modelos probabiĺısticos discretos
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)
TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar
Más detallesDistribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Más detallesModelos de distribuciones discretas y continuas
Tema 6 Modelos de distribuciones discretas y continuas 6.1. Modelos de distribuciones discretas 6.1.1. Distribución uniforme sobre n puntos Definición 6.1.2 Se dice que una v.a. X sigue una distribución
Más detallesNº Hermanos 30 Alumnos X i f i P(X i ) 0 8 0, , , , , ,00
U.D.3: Distribuciones Discretas. La Distribución Binomial 3.1 Variable Aleatoria Discreta. Función o Distribución de Probabilidad. Variable Aleatoria: - En un experimento aleatorio, se llama variable aleatoria
Más detallesTEMA 3: Probabilidad. Modelos. Probabilidad
TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un
Más detalles5 DISTRIBUCIONES BINOMIAL Y DE POISSON
5 DISTRIBUCIONES BINOMIAL Y DE POISSON La repetición sucesiva de n pruebas (ensayos) de BERNOUILLI de modo independiente y manteniendo constante la probabilidad de éxito p da lugar a la variable aleatoria
Más detallescontablemente infinito.
III. Variables aleatorias Discretas y sus Distribuciones de Probabilidad 1 Variable aleatoria discreta Definición Una variable aleatoria se llama discreta si se puede contar su conjunto de resultados posibles.
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesUNIDAD III VARIABLEA ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDADES
UNIDAD III VARIABLEA ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDADES VARIABLE ALEATORIA DISCRETA. Definición. Se dice que una v.a es discreta si el conjunto de todos los valores que puede tomar es un conjunto,
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 detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesTema 6: Modelos probabilísticos
Tema 6: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
Más detallesCap. Distribuciones de. probabilidad. discreta. Distribuciones de probabilidad. discreta Pearson Prentice Hall. All rights reserved
Cap 6 36 Distribuciones de Distribuciones de probabilidad discreta probabilidad discreta Variables aleatorias Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio
Más detallesEstadística Grupo V. Tema 10: Modelos de Probabilidad
Estadística Grupo V Tema 10: Modelos de Probabilidad Algunos modelos de distribuciones de v.a. Hay variables aleatorias que aparecen con frecuencia en las Ciencias Sociales y Económicas. Experimentos dicotómicos
Más detallesTema 3. Probabilidad y variables aleatorias
1 Tema 3. Probabilidad y variables aleatorias En este tema: Probabilidad: Experimentos aleatorios, espacio muestral, sucesos. Interpretaciones de la probabilidad. Propiedades de la probabilidad. Probabilidad
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA SEGUNDA PRUEBA PARCIAL Profesor: Hugo S. Salinas. Segundo Semestre 2008 1. El problema de Galileo.
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 detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Parte : La distribución binomial MATEMÁTICAS º Bach Tema : Distribuciones de Probabilidad José Ramón Experiencia Dicotómica Si en una experiencia aleatoria destacamos un
Más detallesAl conjunto de todos los sucesos que ocurren en un experimento aleatorio se le llama espacio de sucesos y se designa por S. Algunos tipos de sucesos:
1.- CÁLCULO DE PROBABILIDADES. Un experimento aleatorio es aquel que puede dar lugar a varios resultados, sin que pueda ser previsible enunciar con certeza cuál de éstos va a ser observado en la realización
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesVariables Aleatorias Discretas
Profesor Alberto Alvaradejo Ojeda 9 de septiembre de 2015 Índice 1. Variable aleatoria 3 1.1. Discretas...................................... 3 1.2. Continuas..................................... 3 1.3.
Más detallesModelos de distribuciones discretas y continuas
Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas
Más detallesBioestadística: Variables Aleatorias. Distribuciones de Probabilidad II
Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II M. González Departamento de Matemáticas. Universidad de Extremadura 3. El periodo de incubación de una determinada enfermedad se
Más detallesVariables aleatorias 1. Problema 1
Variables aleatorias 1 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Variables aleatorias Problema 1 La dimensión de ciertas piezas sigue una distribución normal
Más detallesTema 2 Modelos de probabilidad
Tema 2 Modelos de probabilidad José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Estructura de este tema Conceptos básicos de probabilidad. Modelos discretos: la distribución
Más detalles8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detallesDISTRIBUCIONES DE PROBABILIDAD DISCRETA
Probabilidad DISTRIBUCIONES DE PROBABILIDAD DISCRETA Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 4.1-1 Combinando métodos descriptivos y probabilidades En este capítulo vamos
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesTeorema Central del Límite. Cálculo Numérico y Estadística. Grado en Química. U. de Alcalá. Curso F. San Segundo.
Teorema Central del Límite. Cálculo Numérico y Estadística. Grado en Química. U. de Alcalá. Curso 2014-2015. F. San Segundo. Variables de Bernouilli. Una de las familias de variables aleatorias más básicas
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesTema 4. MODELOS DE DISTRIBUCIONES DISCRETOS.
Estadística Tema 4 Curso /7 Tema 4. MODELOS DE DISTRIBUCIONES DISCRETOS. Objetivos Conceptos: Conocer los siguientes modelos discretos de probabilidad: uniforme, binomial, geométrico y Poisson. De cada
Más detallesEstadística. SESIÓN 9: Distribuciones de probabilidad discreta. Segunda parte.
Estadística. SESIÓN 9: Distribuciones de probabilidad discreta. Segunda parte. Contextualización En la presente sesión analizarás y describirás un experimento binomial, definirás y conocerás la función
Más detallesFunciones generadoras de probabilidad
Funciones generadoras de probabilidad por Ramón Espinosa Armenta En este artículo veremos cómo utilizar funciones generadoras en teoría de la probabilidad. Sea Ω un conjunto finito o numerable de resultados
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesCálculo de probabilidad. Tema 3: Variables aleatorias continuas
Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice
Más detallesLa Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas.
La Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas. Dado un experimento y cualquier evento A: La expresion
Más detallesTEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...
TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones
Más detallesProf. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Más detallesProblemas. Variables Aleatorias. Modelos de Probabilidad
Problemas. Variables Aleatorias. Modelos de Probabilidad Ejemplos resueltos y propuestos Variables Aleatorias Discretas Una variable aleatoria discreta X de valores x 1, x 2,..., x k con función de probabilidad
Más detallesVariables Aleatorias Discretas
Unicatólica 15 de agosto de 2016 Variables aleatorias Se dice que hemos definido una variable aleatoria para un experimento aleatorio cuando hemos asociado un valor numérico a cada resultado del experimento.
Más detalles6-1 y. Sec Distribuciones de probabilidad discreta Pearson Prentice Hall. All rights reserved
Sec. 6-1 y 3 6-2 Distribuciones de probabilidad discreta Variables aleatorias Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio Su valor se determina al
Más detalles1. Variables Aleatorias Discretas
Tema 4: Variables Aleatorias Modelos de Probabilidad 1. Variables Aleatorias Discretas Lo que pretendemos en este tema es transformar el problema de la asignación de probabilidades a otro consistente en
Más detallesSESION 12 LA DISTRIBUCIÓN BINOMIAL
SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:
Más detallesTEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL.
TEMA 10: DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL. 10.1 Experimentos aleatorios. Sucesos. 10.2 Frecuencias relativas y probabilidad. Definición axiomática. 10.3 Distribuciones de
Más detallesAlgunas Distribuciones Estadísticas Teóricas. c) Relación entre la Distribuciones de Poisson y Exponencial.
Algunas Distribuciones Estadísticas Teóricas Distribución Continuas: a) Distribución Uniforme b) Distribución de Exponencial c) Relación entre la Distribuciones de Poisson y Exponencial. d) Distribución
Más detallesVARIABLES ALEATORIAS INTRODUCCIÓN
DOCENTE: SERGIO ANDRÉS NIETO DUARTE CURSO: ESTADÍSTICA DE LA PROBABILIDAD VARIABLES ALEATORIAS INTRODUCCIÓN Normalmente, los resultados posibles (espacio muestral E) de un experimento aleatorio no son
Más detallesDistribuciones de probabilidad Discretas
Distribuciones de probabilidad Discretas Distribución Uniforme Discreta Definición Una variable aleatoria X, tiene una distribución uniforme discreta, si cada uno de los valores x 1, x 2,.. x n, tiene
Más detallesDiscretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
Más detallesExamen Final A Total puntos: /100. Buena suerte y éxito! Utilice la siguiente información para responder a las preguntas 1 al 5.
Universidad de Puerto Rico, Recinto de Río Piedras Instituto de Estadística y Sistemas Computarizados de Información Estadísticas para administración de empresas (ESTA 3041) Nombre: Número de estudiante:
Más detallesNombre: Distribuciones de probabilidad discreta. Segunda parte. A qué nos referimos con probabilidad discreta?
Estadística 1 Sesión No. 9 Nombre: Distribuciones de probabilidad discreta. Segunda parte. Contextualización A qué nos referimos con probabilidad discreta? En la presente sesión analizarás y describirás
Más detallesTema 7. Variables Aleatorias Continuas
Presentación y Objetivos. Tema 7. Variables Aleatorias Continuas En este tema se propone el estudio de las variables aleatorias continuas más importantes, desde la más simple incrementando el grado de
Más detallesProbabilidad, Variables aleatorias y Distribuciones
Prueba de evaluación continua Grupo D 7-XII-.- Se sabe que el 90% de los fumadores llegaron a padecer cáncer de pulmón, mientras que entre los no fumadores la proporción de los que sufrieron de cáncer
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
Más detallesProbabilidad Condicional
Probabilidad Condicional Independencia condicional Como hemos dicho, las probabilidades condicionales tienen las mismas propiedades que las probabilidades no condicionales. Un ejemplo más es el siguiente:
Más detallesProbabilidad, Variables Aleatorias y Distribuciones
Prueba de Evaluación Continua Grupo B 8-X-5.- Un ladrón perseguido por la policía llega a un garaje que tiene dos puertas: una conduce al recinto A en la que hay coches de los que sólo tienen gasolina
Más detallesHOJA DE TRABAJO UNIDAD 3
HOJA DE TRABAJO UNIDAD 3 1. Defina que es probabilidad Es el estudio de experimentos aleatorios o libres de determinación, el resultado es al azar. Se refiere al estudio de la aleatoriedad y a la incertidumbre.
Más detallesBioestadística. Curso Capítulo 3
Bioestadística. Curso 2012-2013 Capítulo 3 Carmen M a Cadarso, M a del Carmen Carollo, Xosé Luis Otero, Beatriz Pateiro Índice 1. Introducción 2 2. Variable aleatoria 2 2.1. Variables aleatorias discretas...............................
Más detallesAnálisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Antofagasta, Junio de 2014 Freddy
Más detallesVariables Aleatorias. Introducción
Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,
Más detallesProbabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, Examen de la convocatoria extraordinaria,
Probabilidad y Estadística Segundo del grado en Telecomunicaciones, UAM, 2014-2015 Examen de la convocatoria extraordinaria, 22-6-2015 Nombre y apellidos.......................................................................
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 6 Teoremas ĺımite Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST. Tema
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detallesAlgunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detalles1) Una caja contiene 3 bolitas rojas y 4 amarillas se extraen dos, una después de la otra y sin reposición. X= No de bolitas rojas extraídas
ENCUENTRO # 47 TEMA: Distribución binomial CONTENIDOS: 1. Definición. Distribución binomial 2. Ejercicios propuestos 3. Ejercicios de Entrenamiento PAES Ejercicios Reto 1) Una caja contiene 3 bolitas rojas
Más detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
Más detallesObjetivos. 1. Variable Aleatoria y Función de Distribución. PROBABILIDAD Tema 2.2: Variables aleatorias discretas Denición de Variable aleatoria
PROBABILIDAD Tema 2.2: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular
Más detallesVariables Aleatorias y Distribución de Probabilidades
Variables Aleatorias y Distribución de Probabilidades Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de mayo de 2011 Tabla de Contenidos Variables
Más detallesObjetivo: Entender la diferencia entre una desviación y una distribución. Reconocer los tipos de desviaciones y distribuciones.
PROBABILIDAD Y ESTADÍSTICA Sesión 2 2 MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS DISCRETOS 2.1 Definición de variable aleatoria discreta 2.2Función de probabilidad y de distribución 2.3 Valor esperado
Más detallesVARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS.
VARIABLE ALEATORIA CONTINUA VARIABLES ALEATORIAS CONTINUAS º Bto. CC.SS. Una variable aleatoria es continua si puede tomar, al menos teóricamente, todos los valores comprendidos en un cierto intervalo
Más detallesLa distribución normal
La Distribución Normal Es una distribución continua que posee, entre otras, las propiedades siguientes: Su representación gráfica tiene forma de campana ( campana de Gauss ) -6-4 -2 0 2 4 6 2 4 6 8 10
Más detalles4 VARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS Una ruleta está dividida en cuatro sectores de 90º de los que dos opuestos por el vértice son Azules, y los otros dos son uno Blanco y el otro Rojo. Conderemos el experimento
Más detallesDefinición 4.1 Diremos que una variable aleatoria discreta X tiene una distribución Uniforme de parámetro N, N 1, si. rg(x) = {1, 2,...
Índice 4 MODELOS DE DISTRIBUCIONES 4.1 4.1 Introducción.......................................... 4.1 4.2 Modelos de distribuciones discretas............................. 4.1 4.2.1 Distribución Uniforme
Más detallesTema 4. Distribución Binomial y Poisson
Universidad de Los Andes Facultad de Ciencias Económicas y Sociales Escuela de Administración y Contaduría Estadística I Sección 06 - I2016 Prof. Douglas Rivas Tema 4. Distribución Binomial y Poisson Conceptos
Más detallesINGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005
INGENIERÍA INFORMÁTICA DE GESTIÓN Junio 2005 1. En una pequeña empresa con 60 empleados, 25 son personal de fábrica y están cobrando unos sueldos semanales (en euros) en función a su antigüedad de: 300
Más detallesMétodos Estadísticos de la Ingeniería Práctica 5: Distribuciones de Probabilidad y el Teorema Central del
Métodos Estadísticos de la Ingeniería Práctica 5: Distribuciones de Probabilidad y el Teorema Central del Límite Área de Estadística e Investigación Operativa Mariano Amo Salas y Licesio J. Rodríguez-Aragón
Más detallesESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Solución. Curso 2016
ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico Solución. Curso 016 Ejercicio 1 Suponemos que hay independencia en la concurrencia o no entre las personas. Dado este supuesto y las características
Más detallesProbabilidad Condicional. Teorema de Bayes para probabilidades condicionales:
Probabilidad Condicional Teorema de Bayes para probabilidades condicionales: Definición: Sea S el espacio muestral de un experimento. Una función real definida sobre el espacio S es una variable aleatoria.
Más detalles