Explicación de la tarea 4 Felipe Guerra
|
|
- César Blázquez Jiménez
- hace 6 años
- Vistas:
Transcripción
1 Explicación de la tarea 4 Felipe Guerra Nota: Esta tarea corresponde a distribuciones continuas de probabilidad, la tarea de la semana anterior correspondía a distribuciones discretas. La diferencia entre unas y otras radica en que las distribuciones discretas solo pueden tomar valores específicos (0, 1, 2, 3, ) en tanto que las distribuciones continuas pueden tomar cualquier valor. Esto redunda en que para las distribuciones continuas (y para esta tarea) las probabilidades puntuales no tienen sentido, pues los valores puntuales son infinitamente pequeños, las formulas de Excel en lugar de retornar valores puntuales cuando acum=0 devuelven el valor de la función de densidad. Para este curso no se utilizarán los valores de acum=0 cuando use distribuciones de probabilidad continua. 1. Considerando el problema 7 de la tarea 3 cuyo texto aquí se presenta: Se sabe que el número de quejas por semana que llegan a un parque de diversiones que abre todos los días es una variable aleatoria que se ajusta bien a la distribución Poisson. En promedio se reciben 9 quejas por semana (el parque abre todos los días). La lectura de la semana dice: La Distribución Exponencial. Esta distribución se aplica para modelar el tiempo transcurrido entre la ocurrencia de dos éxitos consecutivos; Y también: La distribución exponencial modela el tiempo de espera a que ocurra un éxito de una distribución Poisson, razón por la cual hay una relación entre los parámetros θ y λ que es θ = 1/λ. Esta relación es importante considerar cuando se aplica la distribución exponencial para modelar tiempo de espera de un éxito de una distribución Poisson. Por lo tanto usaremos la distribución exponencial para resolver este problema. a. Calcular la probabilidad de que pasen menos de 1 día entre dos quejas consecutivas. Primero calculemos el valor de Θ (tiempo promedio entre dos éxitos ) La misma lectura de la semana menciona: hay una relación entre los parámetros Θ y λ que es Θ = 1 / λ Por lo tanto: Si λ = 9 quejas / semana ó 9/7 = quejas por día Entonces Θ = 1/1.28 días entre quejas ó días entre quejas Para calcular el inciso a. usamos la formula =DISTR.EXP(x, λ, acum) ó =DISTR.EXP(1,1.285,1) Que se lee: la probabilidad de que haya 1 día o menos (acum) entre dos quejas dado que el promedio de quejas por día es de Observe que Excel usa para sus cálculos el valor de λ en lugar del valor de Θ Otro punto importante es que acum=1 regresa el valor de frecuencia acumulada de la probabilidad, sin embargo acum=0 NO regresa el valor de frecuencia individual, sino la función de densidad en este punto. Usted no usará acum=0 en este curso. b. Calcular la probabilidad de que el tiempo entre dos quejas consecutivas sea entre 10 y 20 horas. De manera similar que lo anterior ahora buscamos la posibilidad entre dos tiempos acumulados. Primero convertimos el tiempo (10 y 20 horas) a una fracción de día. 10 horas = 10/24 días, 20 horas= 20/24 días =DISTR.EXP(20/24,1.285,1) - DISTR.EXP(10/24,1.285,1) Lo que esta formula representa es la diferencia entre la probabilidad de que el tiempo entre quejas sea de 20 horas o menos, menos la probabilidad de que el tiempo entre quejas sea de 10 horas o menos. Página 1 de 7
2 c. Obtener el tiempo promedio entre dos quejas consecutivas y su desviación estándar. La lectura menciona: Definición de la Distribución Exponencial. E(X) = Θ y Var(X) = Θ 2 Por lo tanto: E(X) = días ó horas. (Ver pregunta 1 a.) σ = Θ 2 = Θ = días ó horas. 2. El tiempo (en años) que funciona bien un aparato eléctrico hasta que falla sigue una distribución exponencial con media de 5 años. a. Calcular la probabilidad de que el aparato cumpla con una misión de 2 años. Para resolver este problema, primero calculemos el valor de λ, dado que tenemos solo el valor de Θ. λ = 1 / Θ = 1/5 Como nos piden la posibilidad de que el aparato cumpla con una misión de 2 años, eso se traduce a la posibilidad de que no falle antes de 2 (o en otras palabras que falle después de 2 años) por lo tanto usamos: =1-DISTR.EXP(2,1/5,1) Es decir la probabilidad total menos la probabilidad de que el aparato falle antes de 2 años. b. El fabricante desea ofrecer un tiempo de garantía w tal que si el aparato falla antes de w entonces se repone gratis por un aparato nuevo. Cual es la garantía que debe ofrecer el fabricante tal que se aplique en el 10% de los aparatos. Para resolver este problema usamos la siguiente lógica: Sea w el tiempo que acumula una probabilidad de falla de 10% de los aparatos (es decir 10% de los aparatos no cumplen con ese tiempo). Luego: P(x w) = F(w) = 0.10 es decir w ( 1/5) e = e -w/ = e -w/5 ln(0.90) = -w/5 w = - ln(0.90) (5) -x/5 dx = 1- e -w/5 = 0.10 y despejando w se tiene que: Página 2 de 7
3 3. Suponer que la velocidad de los autos en una autopista se ajusta a una distribución normal con media 94.5 Km/h y una desviación estándar de 7.5 Km/h. a. Obtener la probabilidad de que un auto viaje entre 90 y 100 Km/h. Para la solución de este problema utilizaremos la fórmula =DISTR.NORM( x, media, desv_estándar, acum) Como lo habíamos mencionado anteriormente para este curso usted no utilizará el valor de acum=0 para distribuciones continuas, pues esta opción devuelve el valor de la función de densidad. La respuesta se calcula de la siguiente forma: =DISTR.NORM( 100, 94.5, 7.5, 1 ) - DISTR.NORM( 90, 94.5, 7.5, 1 ) Es decir, la probabilidad de que un auto viaje a 100 Km/h o menos, menos la probabilidad de que viaje a 90 Km/h o menos. (Vea la explicación de la semana pasada para una explicación mas detallada de el por que de la resta). b. Si la policía desea multar por exceso de velocidad al 5% de los autos, cual es la velocidad límite que debe establecer. Para responder esta pregunta utilizaremos la función =DISTR.NORM.INV( probabilidad, media, desv_estándar ) La cual nos devuelve el valor de x para un nivel de probabilidad (acumulado), conociendo la media y la desviación estándar. Despejando: =DISTR.NORM.INV( 0.95, 94.5, 7.5 ) = Km/h Observe que para la probabilidad estamos usando 0.95, esto es debido a que buscamos multar solamente a 5% de los carros, es decir el 95% irán a esa velocidad o menos. 4. Si X es una v.a. que sigue una distribución Ji-cuadrada con 17 grados de libertad: La distribución Ji-cuadrada en excel utiliza la formula : =DISTR.CHI( x, grados_de_libertad ) Esta formula (junto con las usadas en los siguientes problemas) tiene una particularidad que debemos considerar. La formula retorna el acumulado en la cola del lado derecho de la distribución, como lo muestra la siguiente gráfica: Es importante considerar esta particularidad, ya que es diferente a las otras distribuciones de probabilidad que habíamos visto hasta el momento. No me pregunten por que esto es así, no tengo la menor idea de que es lo que estaban pensando las gentes de Microsoft cuando crearon estas funciones diferentes de las demás. Explicado lo anterior continuemos con la solución de este problema. Página 3 de 7
4 a. Obtener P (1.5 < X < 3.2). =DISTR.CHI( 1.5, 17 ) - DISTR.CHI( 3.2, 17 ) Observe que la resta la estamos realizando en forma inversa a como lo hemos hecho con otras distribuciones restando la probabilidad del valor mayor P(x 3.2) de la probabilidad del valor menor P(x 1.5), precisamente debido a que el acumulado se hace a partir de la cola del lado derecho de la distribución. b. Obtener el valor de w tal que P(X > w) = 0.18 Para este inciso utilizamos la formula inversa =PRUEBA.CHI.INV(probabilidad, grados_de_libertad) La cual devuelve el valor de w tal que la probabilidad acumulada (de la cola del lado derecho) para una probabilidad dada en una distribución Ji-cuadrada con n grados de libertad P(x w). Despejando: =PRUEBA.CHI.INV(0.18,17) = Si X es una v.a. que sigue una distribución t de student con 23 grados de libertad. La distribución T de Student en Excel utiliza la formula : =DISTR.T( x, grados_de_libertad, colas ) La última parte de esta formula indica la (colas) indica si se tomarán un solo lado o los dos lados de la gráfica como se muestra a continuación: Distribución T se Student (23 g.l.) con una sola cola Página 4 de 7
5 Distribución T se Student (23 g.l.) con dos colas Observe que la probabilidad de las colas se acumula a partir de los extremos hacia el centro, y que el centro se encuentra en el valor de X=0. a. Obtener P ( -1.2 < X < 1.8) Para resolver este problema tomemos en consideración lo siguiente: Dado que la formula =DISTR.T(x, grados_de_libertad, 2) devuelve únicamente valores para dos lados simétricos de la distribución, y en este caso los lados no son simétricos debemos de usar la suma de dos distribuciones acumuladas considerando una sola cola. El lado izquierdo de la distribución se calcula con la formula: =0.5 - DISTR.T(1.2, 23, 1) = Observe que para el cálculo usamos el valor positivo 1.2, esto es debido a que la formula solamente acepta valores positivos de x, pero podemos calcular los valores negativos por simetría. El lado derecho se calcula con la formula: =0.5 - DISTR.T(1.8, 23, 1) = Utilizamos el valor 0.5 para representar la mitad de la distribución dado que el valor total de las distribuciones de probabilidad es 1 como lo habíamos mencionado con anterioridad, y siendo una distribución simétrica 0.5 representa exactamente la mitad. La respuesta total representada por el área roja corresponde a la suma de las dos formulas anteriores: =(0.5 - DISTR.T(1.2, 23, 1)) + ( DISTR.T(1.8, 23, 1)) = Página 5 de 7
6 b. Obtener el valor de w tal que P(X > w) = 0.23 Para resolver este inciso utilizamos la formula: =DISTR.T.INV(probabilidad, grados_de_libertad) La cual calcula el valor de x necesario para obtener una probabilidad especifica en una distribución T de Student con n grados de libertad de dos colas. Como lo muestra la gráfica siguiente: P(x) 2 P(x) 2 Observe que la formula calcula el valor de x tal que en cada una de las colas (por simetría) se obtiene la mitad de la probabilidad buscada. Como en este inciso estamos buscando un solo valor de w tal que P(x>w)=0.23 lo cual se representa gráficamente así: Por lo tanto para calcular el resultado usamos: =DISTR.T.INV(0.23*2,23) = Observe que estamos usando el doble de la probabilidad solicitada (0.23*2) ya que si usáramos el valor natural 0.23 lo que obtendríamos seria una probabilidad de en cada uno de los lados de la curva. El problema solicita P(x>w) lo cual está representado por el área roja, si la pregunta hubiera sido P(x<w)=0.23 hubiéramos usado el valor negativo de x (para representar la cola del lado izquierdo). w Página 6 de 7
7 6. Si X es una v.a. que sigue una distribución F con 5 grados de libertad en el numerador y 12 grados de libertad en el denominador. La distribución F en Excel utiliza la formula : =DISTR.F( x, grados_de_libertad_numerador, grados_de_libertad_denominador) Esta formula también calcula el valor de probabilidad acumulado a partir de la cola del lado derecho como lo muestra la gráfica: Con base a lo anterior la solución del problema es como sigue: a. Obtener P ( 0.95 < X < 1.8) =DISTR.F(0.95, 5, 12) - DISTR.F(1.6, 5, 12) = Nuevamente observe que debido a la acumulación desde el extremo derecho de la cola la formula se escribe P(x 0.95) - P(x 1.8) b. Obtener el valor de w tal que P(X > w) = 0.07 Para la solución de este problema usamos la formula: =DISTR.F.INV( probabilidad, g.libertad_numerador, g.libertad_denominador ) La cual calcula el valor de w tal que P(X>w) = probabilidad (acumulado del lado derecho) Por lo tanto la solución es: =DISTR.F.INV( 0.07, 5, 12 ) = Página 7 de 7
Estadísticas y distribuciones de muestreo
Estadísticas y distribuciones de muestreo D I A N A D E L P I L A R C O B O S D E L A N G E L 7/11/011 Estadísticas Una estadística es cualquier función de las observaciones en una muestra aleatoria que
Más detallesLECTURA 03: DISTRIBUCIÓN T STUDENT Y DISTRIBUCIÓN CHICUADRADO TEMA 6: DISTRIBUCION T STUDENT. MANEJO DE TABLAS ESTADISTICAS.
LECTURA 3: DISTRIBUCIÓN T STUDENT Y DISTRIBUCIÓN CHICUADRADO TEMA 6: DISTRIBUCION T STUDENT MANEJO DE TABLAS ESTADISTICAS 1 INTRODUCCION Se dice que una variable aleatoria T tiene una distribución t de
Más detallesCálculo 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 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 detallesCurso Práctico de Bioestadística Con Herramientas De Excel
Curso Práctico de Bioestadística Con Herramientas De Excel Fabrizio Marcillo Morla MBA barcillo@gmail.com (593-9) 4194239 Otras Publicaciones del mismo autor en Repositorio ESPOL Fabrizio Marcillo Morla
Más detallesMODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
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 detallesENUNCIADO y SOLUCIONES. Problema 1
Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.
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 detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
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 detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesFORMULARIO DE DISTRIBUCIONES DE PROBABILIDAD
FORMULARIO DE DISTRIBUCIONES DE PROBABILIDAD Jorge M. Galbiati pág. DISTRIBUCION BINOMIAL 2 DISTRIBUCION POISSON 4 DISTRIBUCION HIPERGEOMETRICA 5 DISTRIBUCION GEOMETRICA 7 DISTRIBUCION NORMAL 8 DISTRIBUCION
Más detallesIII Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
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 detallesESTADÍSTICA I. A continuación se presentan los Modelos Probabilísticos Continuos más importantes.
1 ESTADÍSTICA I Capítulo 6: MODELOS PROBABILÍSTICOS CONTINUOS. Contenido: Distribución Uniforme Continua. Distribución Triangular. Distribución Normal. Distribuciones Gamma, Exponencial, Erlang y Chi Cuadrado.
Más detalles. Luego, para el período n + 1 los resultados estarán, en cualquier caso, en el conjunto {λ k n 0 } n+1. k= (n+1). Consideremos Y = λ U n
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Probabilidades MA, /5/9, Prof. Raúl Gouet Solución Control #. Considere una colonia de bacterias con población inicial
Más detallesAgenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria continua. Varianza. 2
Curso de nivelación Estadística y Matemática Cuarta clase: Distribuciones de probablidad continuas Programa Técnico en Riesgo, 2016 Agenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
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 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 detallesPráctica 4: Variables Aleatorias y Simulación
Práctica 4: Variables Aleatorias y Simulación Objetivos específicos Al finalizar esta práctica deberás ser capaz de: Calcular las funciones de probabilidad y distribución de las variables discretas Bernoulli,
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 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 detallesExplicación de la tarea 3 Felipe Guerra
Explicación de la tarea 3 Felipe Guerra 1. Una ruleta legal tiene los números del 1 al 15. Este problema corresponde a una variable aleatoria discreta. La lectura de la semana menciona lo siguiente: La
Más detallesTEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES
TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES 1. Puntuaciones diferenciales y puntuaciones típicas 2. La curva normal 3. Cálculo de áreas bajo la curva normal 3.1. Caso 1: Cálculo del número
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 detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No. 6 Nombre: Distribuciones de probabilidad para variables aleatorias. Parte II. Objetivos: Al finalizar la sesión, el estudiante conocerá cómo utilizar la distribución
Más detallesDistribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7.
Distribuciones Continuas de Probabilidad 1 Contenido 1. Ejemplo. 2. Diferencia entre variables aleatorias discretas y continuas. 3. Diferencia de f(x) entre variables aleatorias discretas y continuas.
Más detalles1º BCNySyT Distribuciones binomial y normal Excel
1º BCNySyT - 14. Distribuciones binomial y normal Excel PASO A PASO 1. Calcula los parámetros de la variable aleatoria número de hijas y haz el diagrama de barras de frecuencias relativas. Número de hijas:
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 P (X > 0) P ( 0,5 < X < 0,5) P ( X > 0,25) 1 si 2 x P (X 1) P (0,5 X 1) P (0,5 < X 1 X < 1)
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad { 0,75 (1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:
Más detallesAl reemplazar la varianza muestral en la fórmula obtenemos otra expresión de la distribución chi-cuadrada:
ESTIMACIÓN POR INTERVALO PARA LA VARIANZA Ya estudiamos la estimación por intervalo para la media poblacional. Ahora extenderemos lo aprendido a la varianza. Cuándo creen que es importante estimar los
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 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 detallesDISTRIBUCIÓN GAMMA. Guillermo Mir Piorno NIUB Ciencias Actuariales y Financieras ESTADÍSTICA ACTUARIAL NO VIDA
DISTRIBUCIÓN GAMMA Guillermo Mir Piorno NIUB 11130641 Ciencias Actuariales y Financieras ESTADÍSTICA ACTUARIAL NO VIDA La distribución Gamma Es una distribución adecuada para modelizar el comportamiento
Más detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
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 detallesANEXO.- DISTRIBUCIÓN BINOMIAL. DISTRIBUCIÓN NORMAL
ANEXO.- DISTRIBUCIÓN BINOMIAL. DISTRIBUCIÓN NORMAL. VARIABLES ALEATORIAS Consideremos el experimento de lanzar 3 monedas. Tenemos que su espacio muestral es E CCC, CCX, CXC, XCC, CXX, XCX, XXC, XXX Donde
Más detallesEstadística Aplicada
Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Definición de una V.A.C. Definición de una V.A.C.
Más detalles( ) DISTRIBUCIÓN UNIFORME (o rectangular) 1 b a. para x > b DISTRIBUCIÓN DE CAUCHY. x ) DISTRIBUCIÓN EXPONENCIAL. α α 2 DISTRIBUCIÓN DE LAPLACE
Estudiamos algunos ejemplos de distribuciones de variables aleatorias continuas. De ellas merecen especial mención las derivadas de la distribución normal (χ, t de Student y F de Snedecor), por su importancia
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 detallesVariables aleatorias continuas
//2 Análisis de datos y gestión veterinaria Variables aleatorias continuas y distribuciones Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 8 de Noviembre de 2
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 detallesCuáles son las características aleatorias de la nueva variable?
Apuntes de Estadística II. Ingeniería Industrial. UCAB. Marzo 203 CLASES DE ESTADÍSTICA II CLASE 5) UNA TRANSFORMACIÓN DE DOS VARIABLES. Sea Z = g(, ) una función de las variables aleatorias e, tales que
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 detallesCálculo 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 detallesCálculo de Probabilidades II Preguntas Tema 2
Cálculo de Probabilidades II Preguntas Tema 2 1. Demuestre que la suma de n v.a. Bernuolli(p) independientes tiene una distribución Binomial con parametros (n, p). 2. Se dice que una v.a tiene una distribución
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesDISTRIBUCION "F" FISHER
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA > DISTRIBUCION "F" FISHER La necesidad de disponer de métodos estadísticos para comparar las varianzas de dos poblaciones es evidente a partir
Más detallesVariables aleatorias continuas y Teorema Central del Limite
Variables aleatorias continuas y Teorema Central del Limite FaMAF 17 de marzo, 2015 Variables aleatorias continuas Definición Una variable aleatoria X se dice (absolutamente continua) si existe f : R R
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 detallesVariables aleatorias continuas, TCL y Esperanza Condicional
Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función
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 detallesCI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA
CI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA alcantarilla Puente? Badén http://www.disasternews.net/multimedia/files/drought5_9412.jpg Fenómenos en Ingeniería (según certeza de ocurrencia) determinísticos
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 detallesPart I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas
Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesTH. DE CHEBYSHEV DISTRIB. NORMAL.
f ( x) 1 2 2 ( x) e 2 2 TH. DE CHEBYSHEV DISTRIB. NORMAL El Desvío Estándar y el Teorema de Chebyshev Es conocida en el área de la probabilidad y estadística, la desigualdad de Chebyshev, matemático Ruso
Más detallesDISTRIBUCION JI-CUADRADA (X 2 )
DISTRIBUCION JI-CUADRADA (X 2 ) En realidad la distribución ji-cuadrada es la distribución muestral de s 2. O sea que si se extraen todas las muestras posibles de una población normal y a cada muestra
Más detallesGRADO de TELECOMUNICACIONES
GRADO de TELECOMUNICACIONES ESTADISTICA 2009-2010 PRACTICA 2. PROBABILIDAD Y VARIABLES ALEATORIAS OBJETIVOS: Introducción a la probabilidad y a las variables aleatorias 1. Probabilidad 1. Simular 1000
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Más detallesPráctica 4 TEOREMA CENTRAL DEL LÍMITE
Práctica 4. Teorema Central del Límite 1 Práctica 4 TEOREMA CENTRAL DEL LÍMITE Objetivos: En esta práctica utilizaremos el paquete SPSS para ilustrar el Teorema Central del Límite. Además calcularemos
Más detallesPRINCIPIOS ESTADÍSTICOS APLICADOS EN CONTROL DE CALIDAD
UNIDAD II PRINCIPIOS ESTADÍSTICOS APLICADOS EN CONTROL DE CALIDAD Por: Prof. Gastón A. Pérez U. 2.3- PROBABILIDAD Y DISTRIBUCIÓN DE PROBABILIDAD 30 31 (2.3.2) DISTRIBUCIÓN DE PROBABILIDAD ES UNA DESCRIPCIÓN
Más detallesPRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO
O PRUEBA CHI - CUADRADO Hasta ahora se han mencionado formas de probar lo que se puede llamar hipótesis paramétricas con relación a una variable aleatoria, o sea que se ha supuesto que se conoce la ley
Más detallesSección. Aplicaciones de la Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved
Sección 3 7.2 Aplicaciones de la Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La tabla normal La tabla normal (cont)
Más detallesCap. 5 : Distribuciones muestrales
Cap. 5 : Distribuciones muestrales Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 18 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de
Más detallesMATEMÁTICAS APLICADAS A LAS CC. SS. I
DISTRIBUCIÓN NORMAL Carl Friedrich Gauss (1777-1855), físico y matemático alemán, uno de los pioneros en el estudio de las propiedades y utilidad de la curva normal. MATEMÁTICAS APLICADAS A LAS CC. SS.
Más detallesINTRODUCCIÓN A LA ECONOMETRÍA (LE Y LADE, mañana) Prof. Magdalena Cladera APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL Y SPSS
INTRODUCCIÓN A LA ECONOMETRÍA (LE Y LADE, mañana) Prof. Magdalena Cladera APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL Y SPSS CONTENIDOS APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL... 2 1. Probabilidad...
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detalles6-1. Dos preguntas sobre 100 tiradas de dado
Semana 6 Esperanza y Varianza 6-1. Dos preguntas sobre 100 tiradas de dado 6-2. Esperanza 6-3. Propiedades básicas de la esperanza 6-4. Distancia esperada a la media 6-5. Varianza 6-6. Demostraciones 6-1.
Más detallesMuestreo e intervalos de confianza
Muestreo e intervalos de confianza Intervalo de confianza para la media (varianza desconocida) Intervalo de confinza para la varianza Grados en Biología y Biología sanitaria M. Marvá. Departamento de Física
Más detallesb) dado que es en valor absoluto será el área entre -1,071 y 1,071 luego el resultado será F(1,071)-(1-F(1,071)=0,85-(1-0,85)=0,7
EJERCICIOS T12-MODELOS MULTIVARIANTES ESPECÍFICOS 1. Un determinado estadístico J se distribuye según un modelo jhi-dos de parámetro (grados de libertad) 14. Deseamos saber la probabilidad con la que dicho
Más detallesCurso: Inferencia Estadística (ICO 8306) Profesores: Esteban Calvo Ayudantes: José T. Medina ESTIMACIÓN POR INTERVALO
ESTIMACIÓN POR INTERVALO Muchas veces queremos obtener información a través de una muestra para poder hacer inferencias de cómo se comportarían distintos parámetros en la población. Al hacer una encuesta
Más detallesETSI de Topografía, Geodesia y Cartografía
Disttool Es una herramienta de MATLAB que permite visualizar de forma gráfica las características de cada distribución con la posibilidad de variar sus parámetros. Las funciones que muestra son: Función
Más detalles5 Variables aleatorias contínuas
5 Variables aleatorias contínuas Una variable aleatoria continua puede tomar cualquier valor en un intervalo de números reales.. Función de densidad. La función de densidad de una variable aleatoria continua
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #4 Tema: Actividad práctica (Esperanza matemática, Distribución Binomial y Poisson) Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE
Más detallesESTRUCTURA DE LINEAS DE ESPERA
ESTRUCTURA DE LINEAS DE ESPERA La teoría de las colas es el estudio de líneas de espera. Cuatro características de un sistema de la formación de colas o líneas de espera son: la manera en que los clientes
Más detallesPRÁCTICA I. Ejercicios Teóricos
PRÁCTICA I TEORÍA DE LA DECISIÓN BAYESIANA Ejercicios Teóricos Ejercicio. En el caso de dos categorías, en la regla de decisión de Bayes el error condicional está dado por la ecuación (7). Incluso si las
Más detallesCLASE X ANÁLISIS PROBABILISTICO DE LAS VARIABLES PRECIPITACIÓN TOTAL ANUAL Y CAUDAL MEDIO ANUAL
Universidad Nacional Agraria La Molina IA-406 Hidrología Aplicada CLASE X ANÁLISIS PROBABILISTICO DE LAS VARIABLES PRECIPITACIÓN TOTAL ANUAL Y CAUDAL MEDIO ANUAL 1. Longitud necesaria de registro Diversos
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesINTRODUCCIÓN A LAS DISTRIBUCIONES CONTINUAS Y EL TEOREMA CENTRAL DEL LÍMITE (10 MINUTOS)
INTRODUCCIÓN A LAS DISTRIBUCIONES CONTINUAS Y EL TEOREMA CENTRAL DEL LÍMITE (10 MINUTOS) Hemos aprendido a identificar distribuciones discretas y también a reconocer algunas de sus características más
Más detallesLista de Ejercicios (Parte 1)
ACT-11302 Cálculo Actuarial III ITAM Lista de Ejercicios (Parte 1) Prof.: Juan Carlos Martínez-Ovando 15 de agosto de 2016 P0 - Preliminar 1. Deriva las expresiones de las funciones de densidad (o masa
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 detallesManual y Aplicaciones de Funciones Estadísticas y Análisis de Datos en Microsoft Excel 2007. Por: Jhorland José Ayala García 1
Manual y Aplicaciones de Funciones Estadísticas y Análisis de Datos en Microsoft Excel 2007 Por: Jhorland José Ayala García 1 Richard Henry Deán Arnedo 2 José Antonio Mola Ávila 3 Universidad Tecnología
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesCap. 3 : Variables aleatorias
Cap. 3 : Variables aleatorias Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 16 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de sistemas,
Más detalles0 en otro caso. P (X > 0) P ( 0.5 < X < 0.5) P ( X > 0.25) x 3 si 0 x < 2. 1 si 2 x P(X 1) P(0.5 X 1) P(0.5 < X 1 X < 1) f X (x) = (1+αx) 2
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad { 0.75(1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 01 1. Intervalo de Confianza para la Media µ (con σ conocida Dada una muestra de tamaño n, para un nivel de confianza 1-α y la desviación típica de la población σ, el Intervalo
Más detallesDistribuciones Continuas
Capítulo 5 Distribuciones Continuas Las distribuciones continuas mas comunes son: 1. Distribución Uniforme 2. Distribución Normal 3. Distribución Eponencial 4. Distribución Gamma 5. Distribución Beta 6.
Más detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Más detallesJUNIO Bloque A
Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.
Más detallesINECUACIONES LINEALES
INECUACIONES POLINÓMICAS EN UNA VARIABLE Las inecuaciones en general, son desigualdades entre epresiones algebraicas en las que intervienen una o más variables. Cuando las epresiones algebraicas de cada
Más detallesa) Definir un espacio muestral S apropiado para este experimento. b) Consideremos la variable aleatoria
7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).
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 detallesProbabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
Más detalles