Examen de Estadística
|
|
- Esteban López Carrasco
- hace 6 años
- Vistas:
Transcripción
1 Examen de Estadística Grado en Ingeniería de Telecomunicación 4 de Junio de 03 Cuestiones solucion h 30m C. (p) Un sistema de comunicación está compuesto por los componentes A, B, C, D y E, donde cada uno de los componentes funcionan de manera independiente. La Figura representa el sistema: A B C entrada salida D E Figura : Esquema de conexiones del sistema. Sabiendo que las probabilidades de funcionamiento de cada uno de los componentes del sistema son P (A) = P (B) = P (D) = P (E) = 0.8 y P (C) = 0.9; se pide: a) Calcular la probabilidad de fallo del sistema. b) Si el sistema se encuentra funcionando, cuál es la probabilidad de que el componente C se encuentre en funcionamiento? Solución: a) Sea F el evento que denota que el sistema se encuentra funcionando, debemos calcular: P (F c ) = P (F ). Por lo tanto: P (F ) = P ((A B) (A C) (D E)).
2 Llamando: AB = A B, AC = A C y DE = D E, resulta que P (F ) = P (AB AC DE) = P (AB) + P (AC) + P (DE) P (AB AC) P (AB DE) P (AC DE) + P (AB AC DE) = P (A)P (B) + P (A)P (C) + P (D)P (E) P (A)P (B)P (C) P (A)P (B)P (D)P (E) P (A)P (C)P (D)P (E) + P (A)P (B)P (C)P (D)P (E) = [ (0.8) + (0.8)(0.9) + (0.8) (0.8) (0.9) (0.8) 4 (0.8) 3 (0.9) + (0.8) 4 (0.9) ] = 0.94 () Por lo tanto, P (F c ) = P (F ) = 0.94 = b) Por el teorema de Bayes tenemos: P (C F ) = P (F C)P (C) P (F ) Dado que: P (F C) = P (A (D E)) = P (A)+P (D E) P (A D E) = = 0.98, reemplazando se tiene, P (C F ) = P (A (D E))P (C) P (F ) = (0.98)(0.9) (0.94) = C. (.5p) Una variable aleatoria discreta tiene la siguiente distribución de probabilidad: y se sabe que P (X < 4) = 0.65 y P (X > ) = 0.6. a) Calcula E(X) y V ar(x). x i P (X = x i ) 0.5 a b c 0. b) Escribe y dibuja la función de distribución de X. c) Completa el siguiente código en MATLAB para aproximar P (X 3). u=rand(000,); x=*(0<u & u<=0.5)+ *(0.5<u & u<=0.40)+3*(0.40<u & u<= ) +4*(0.65<u & u<=0.9)+5*(0.9<u & u<=); w=( ); p=sum(w)/000; Solución: a) En primer lugar se calculan los valores de a, b y c. Resolviendo el siguiente sistema: a + b = 0.65 b + c + 0. = a + b + c + 0. =
3 se obtiene que a = b = c = 0.5, entonces E(X) = (0.5) + (0.5) + 3(0.5) + 4(.5) + 5(0.) =.9 Para calcular la varianza, primero hacemos: E(X ) = (0.5) + (0.5) + 3 (0.5) + 4 (.5) + 5 (0.) = 9.90 y luego V ar(x) = E(X ) (E(X)) = =.49. b) F (x) = 0 si x < 0.5 si x < 0.4 si x < si 3 x < si 4 x < 5, si x 5. Figura : Función de Distribución. c) Completa el siguiente código en MATLAB para aproximar P (X 3). u=rand(000,); x=*(0<u & u<=0.5)+ *(0.5<u & u<=0.40)+3*(0.40<u & u<=0.65) 3
4 +4*(0.65<u & u<=0.9)+5*(0.9<u & u<=); w=(x<=3); p=sum(w)/000; C3. (.5p) En un proceso de fabricación industrial, los tipos de fallos que se pueden producir se clasifican en 3 tipos: - fallos ocasionados por desajustes producidos en la maquinaria utilizada (D). - fallos producidos por la presencia de impurezas en las materias primas empleadas (I). - fallos debidos a otras causas (O). Si dichos fallos aparecen según procesos de Poisson independientes entre sí con parámetros λ D = 0.5 fallos por semana, λ I = 0.50 fallos por semana, y λ O = 0.5 fallos por semana, respectivamente, se pide: a) La probabilidad de que en una determinada semana no se haya producido ningún fallo por desajustes producidos en la maquinaria. b) La probabilidad de que en una determinada semana se haya producido al menos un fallo (sea del tipo que sea). c) La probabilidad de que el tiempo entre dos fallos consecutivos (sean del tipo que sean) supere las 4 semanas. Solución: Sean X D, X I y X O v.a. independientes entre sí tales que X D P oisson(0.5), X I P oisson(0.50), y X O P oisson(0.5). a) Pr(X D = 0) = e λ D λ 0 D 0! = e 0.5 = b) Sea X T = X D + X I + X O, por la reproductividad de la Poisson, sabemos que X T P oisson(λ T = = 0.875). Por lo tanto, Pr(X T ) = Pr(X T = 0) = e λ T λ 0 T 0! = e = c) Pr(T > 4) = F T (4) = ( e ) = e 3.5 = 0.030, siendo T Exponencial(λ T = 0.875). 4
5 Problemas Examen de Estadística Grado en Ingeniería de Telecomunicación 4 de Junio de 03 solucion h P. (.5p) Se escoge de forma aleatoria un punto en el intervalo (0, 0.5) según un modelo U(0, 0.5) y otro punto, independientemente, también de forma aleatoria en el intervalo (0, 0.5) según un modelo U(0, 0.5). Si X denota la v.a. que marca la posición del primer número y X la v.a. que marca la posición del segundo número, se pide: a) Escribe la densidad conjunta del vector (X, X ), f (X,X )(x, x ) y la región donde está definida. b) Determina la función de densidad de Y = X X. c) Demuestra que la media (esperanza) de X d) Calcula P ( X < X Solución: a) Por la independencia entre X y X : ). X es infinita. f (X,X )(x, x ) = f X (x ) f X (x ) = = 4 para los (x, x ) (0, 0.5) (0, 0.5), es decir, 0 < x < 0.5 y 0 < x < 0.5. b) Las tranformaciones x /x y x son inyectivas y derivables, con lo cual se verifica que: f (Y,Y )(y, y ) = f (X,X )(x (y, y ), x (y, y )) J donde J es el Jacobiano. Las transformaciones inversas son: x = y y x = y El Jacobiano es: con lo cual J = y y 0 = y f (Y,Y )(y, y ) = 4 y = 4y para 0 < y < 0.5 e 0 < y y < 0.5 (véase la Figura 3) y 0 en caso contrario. La densidad (marginal) de Y = X /X es: f Y (y ) = }{{} f(y,y)dy = { 0.5 4y 0 dy = = y 0.5 = 0.5 para 0 < y 0 < /y 4y 0 dy = y /y = para < y 0 y < { 0.5 para 0 < y < para < y < y 5
6 3 Y=/(y) Figura 3: Soporte de (Y, Y ) c) La esperanza de Y es: E[Y ] = 0 y dy + = 4 + [ln(y )] = y y dy d) La probabilidad es 0.5: Y P ( X /X < 0.5) = 0.5 f Y (y )dy = dy = 0.5 () P. (.5p) En un sistema de comunicación se utiliza la siguiente señal aleatoria Y (t) = A sin(ωt+φ), donde A es una variable aleatoria que sigue un modelo Bernoulli con parámetro p > 0, φ es otra variable aleatoria, independiente de A, que sigue un modelo uniforme en el intervalo ( π, π) y ω es una constante conocida. Relaciones útiles: cos(a + b) = cos(a) cos(b) sin(a) sin(b) cos(a b) = cos(a) cos(b) + sin(a) sin(b) sin(a + b) = sin(a) cos(b) + cos(a) sin(b) sin(a b) = sin(a) cos(b) cos(a) sin(b) a) Calcula la media (estadística) del proceso Y (t). b) Calcula la función de auto-correlación (estadística) del proceso Y (t). c) Es el proceso Y (t) débilmente estacionario? 6
7 d) Comprueba si el proceso Y (t) es ergódico en media y en auto-correlación. Solución: a) La media (estadística) del proceso Y (t) es: E[Y (t)] = E[A sin(ωt + φ)] b) La auto-correlación (estadística) del proceso Y (t) es: = indep. E[A] E[sin(ωt + φ)] π = p sin(ωt + φ) π dφ π = p π ( cos(ωt + φ)) π π = p π 0 = 0 R Y (t, t + τ) = E[Y (t)y (t + τ)] = E[A sin(ωt + φ)a sin(ω(t + τ) + φ)] p E[A ] E[sin(ωt + φ) sin(ω(t + τ) + φ)] = indep. formulas con b = ωt + φ, a = (ω(t + τ) + φ) = p a b a+b E cos( ωτ ) cos( ω(t + τ) + φ) = = = { p π cos(ωτ) π { p cos(ωτ) p cos(ωτ) cos(ω(t + τ) + φ) } π dφ ) } π ( ( sin(ω(t + τ) + φ) 4π c) Como la media es una constante que no depende de t y la autocorrelación sólo depende de τ, se concluye que el proceso es débilmente estacionario. d) Media temporal: π Entonces, el proceso es ergódico en media. µ T T M Y = lím Y (t)dt T T T µ T = A sin(ωt + φ)dt T ( = A ) T cos(ωt + φ) T w M Y = lím T µ T = 0 = E[Y (t)] 7
8 Autocorrelación temporal: T A Y = lím Y (t)y (t + τ)dt T T = T = A T = A 4T T T { A Y = A cos(ωτ) = A cos(ωτ) A sin(ωt + φ)a sin(ω(t + τ) + φ)dt {cos(ωτ) cos(ω(t + τ) + φ)} dt cos(ωτ)t ] } T sin(ω(t + τ) + φ) ω A ( ) sin(ω(t + τ) + φ) sin(ω( + τ) + φ) lím T 4T ω ω R Y (t, t + τ). Entonces, el proceso no es ergódico en autocorrelación. 0 8
Ejercicios de Procesos Estocásticos
Ejercicios de Procesos Estocásticos Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO MAGISTRAL GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES Otros Ejemplo Considerar
Más detallesExamen de Estadística Grado en Ingeniería de Telecomunicación
Cuestiones Examen de Estadística Grado en Ingeniería de Telecomunicación 3 de Junio de 5 solución h 45m C (.5 puntos). Una multinacional realiza operaciones comerciales en 3 mercados (A, B y C). El % de
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 detallesEstadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas
Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Duración: horas Fecha: de Julio de Fecha publicación notas: -7- Fecha revisión examen: 8-7-
Más detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO 22/23 FECHA: 9 de Enero de 23 Duración del examen: 3 horas Fecha publicación
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 detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Otoño 3 Duración: 3 horas FECHA: 9 de Enero de 4 Fecha publicación notas: 6--4 Fecha revisión
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 detalles4. Modelos Multivariantes
4. Curso 2011-2012 Estadística Distribución conjunta de variables aleatorias Definiciones (v. a. discretas) Distribución de probabilidad conjunta de dos variables aleatorias X, Y Función de distribución
Más detallesVariables aleatòries vectorials Els problemes assenyalats amb un (*) se faran a classe. 1.- Los estudiantes de una universidad se clasifican de acuerdo a sus años en la universidad (X) y el número de visitas
Más detallesCálculo de Probabilidades II Preguntas Tema 1
Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga
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 detallesProcesos Estocásticos. Procesos Estocásticos. Procesos Estocásticos. 1 Introducción y conceptos básicos. Al final del tema el alumno será capaz de:
Procesos Estocásticos Procesos Estocásticos Referencias: Capítulo 8 de Introducción a los Sistemas de Comunicación. Stremler, C.G. (993 Estadísticos de un proceso estocástico Apuntes de la Universidad
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 detallesETSI de Topografía, Geodesia y Cartografía. Probabilidad, variables aleatorias y distribuciones EVALUACIÓN CONTINUA
robabilidad, variables aleatorias y distribuciones EVALUACIÓN CONTINUA -XII- Grupo B.- Tres máquinas de una planta de montaje producen el %, 5% y 5% de productos, respectivamente. Se sabe que el %, %,
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Primavera 15 FECHA: de Junio de 15 Fecha publicación notas: 11 de Junio de 15 Fecha revisión
Más detallesMomentos de Funciones de Vectores Aleatorios
Capítulo 1 Momentos de Funciones de Vectores Aleatorios 1.1 Esperanza de Funciones de Vectores Aleatorios Definición 1.1 Sea X = (X 1,..., X n ) un vector aleatorio (absolutamente continuo o discreto)
Más detallesTema 7: Procesos Estoca sticos
Tema 7: Procesos Estoca sticos Teorı a de la Comunicacio n Curso 2007-2008 Contenido 1 Definición 2 Caracterización Estadística 3 Estadísticos 4 Estacionariedad 5 Ergodicidad 6 Densidad Espectral de Potencia
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 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 detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UCM Función de distribución y función de densidad Ejercicio. Sea X una variable aleatoria con función de distribución dada
Más detallesTema 3: Funcio n de Variable Aleatoria
Tema 3: Funcio n de Variable Aleatoria Teorı a de la Comunicacio n Curso 2007-2008 Contenido 1 Función de una Variable Aleatoria 2 3 Cálculo de la fdp 4 Generación de Números Aleatorios 5 Momentos de una
Más detallesEstadística. Soluciones ejercicios: Procesos estocásticos. Versión 8. Emilio Letón
Estadística Soluciones ejercicios: Procesos estocásticos Versión 8 Emilio Letón. Nivel. Calcular la media del proceso estocástico X (t) = A+t con A U (0; ). Utilizar dos métodos distintos: propiedades
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 detallesTema 3: Función de Variable Aleatoria y Teoremas Asintóticos
Tema 3: Función de Variable Aleatoria y Teoremas Asintóticos Curso 2016-2017 Contenido 1 Función de una Variable Aleatoria 2 Cálculo de la fdp 3 Generación de Números Aleatorios 4 Momentos de una Variable
Más detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UC3M Transformaciones de variables aleatorias Ejercicio. Sea X una v.a. continua con función de densidad dada por: /, si
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 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 detallesEXAMEN DE ESTADÍSTICA Septiembre 2011
EXAMEN DE ESTADÍSTICA Septiembre 2011 Apellidos: Nombre: DNI: GRUPO: 1. De una clase de N alumnos se tiene la siguiente información sobre las calificaciones obtenidas del 1 al 8 en una cierta asignatura
Más detallesSoluciones Examen de Estadística Ingeniería Superior de Telecomunicación
Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación 7 de Septiembre, 25 Cuestiones 2 horas C. A partir de los procesos estocásticos X(t e Y (t incorrelados y de media cero, con funciones
Más detallesProbabilidad y Procesos Aleatorios
y Dr. Héctor E. Poveda P. hector.poveda@utp.ac.pa www.hpoveda7.com.pa @hpoveda7 Plan del curso Probabilidad Múltiples 1. Probabilidad Espacios probabilísticos Probabilidad condicional 2. 3. Múltiples 4.
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 detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
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 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 detallesFórmulas, Resultados y Tablas Cálculo de Probabilidades y Estadística Matemática
DEPARTAMENT D ESTADÍSTICA I INVESTIGACIÓ OPERATIVA Fórmulas, Resultados y Tablas Cálculo de Probabilidades y Estadística Matemática A. Distribuciones de variables aleatorias. 1. Descripción de una distribución
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 4 Vectores aleatorios Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
Más detallesClase 3. Procesos estocásticos en Teoría de la señal.
1 Introducción Clase 3. Procesos estocásticos en Teoría de la señal. Como ya se comentó en la clase anterior, el ruido es una señal inherente a cualquier transmisión de telecomunicación. El ruido es una
Más detallesINGENIERIA de TELECOMUNICACION
INGENIERIA de TELECOMUNICACION ESTADISTICA 2010-2011 PRACTICA 2. PROBABILIDAD Y VARIABLES ALEATORIAS OBJETIVOS: Introducción a la probabilidad mediante experimentos aleatorios. Introducción a las variables
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 detallesIntroducción al Tema 8. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones.
Introducción al Tema 8 1 Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. V.A. de uso frecuente Tema 7. Modelos probabiĺısticos discretos
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 detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
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 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 detallesUniversidad Nacional de La Plata
Universidad Nacional de La Plata Facultad de Ciencias Agrarias y Forestales CÁLCULO ESTADÍSTICO STICO Y BIOMETRÍA CONTENIDOS UNIDAD 3: Introducción al Cálculo de Probabilidades. Experimento aleatorio.
Más detallesTema 2: Variables Aleatorias Unidimensionales
Tema 2: Variables Aleatorias Unidimensionales Teorı a de la Comunicacio n Curso 27-28 Contenido 1 Concepto de Variable Aleatoria 2 Función Distribución 3 Clasificación de Variables Aleatorias 4 Función
Más detallesTema 6 - Introducción. Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo.
Tema 6 - Introducción 1 Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo. Generalización Tema 6. Variables aleatorias unidimensionales
Más detallesVariables aleatorias. Tema Introducción Variable aleatoria. Contenido
Tema 4 Variables aleatorias En este tema se introduce el concepto de variable aleatoria y se estudian los distintos tipos de variables aleatorias a un nivel muy general, lo que nos permitirá manejar los
Más detallesDepartamento de Matemática Aplicada a las T.I.C. SOLUCIONES
Departamento de Matemática Aplicada a las T.I.C. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EAMEN FINAL Otoño 25-6 FECHA: 5 de Enero de 26 Fecha publicación notas: 22 de Enero de 26 Fecha revisión
Más detallesEjercicio 1 de la Opción A del modelo 1 de Solución
Ejercicio 1 de la Opción A del modelo 1 de 2008 Sean f : R R y g : R R las funciones definidas por f(x) = x 2 -(x + 1) + ax + b y g(x) = ce Se sabe que las gráficas de f y g se cortan en el punto ( 1,
Más detallesIDENTIFICACIÓN DE SISTEMAS SISTEMAS LINEALES Y PROCESOS ESTOCÁSTICOS
IDENTIFICACIÓN DE SISTEMAS SISTEMAS LINEALES Y PROCESOS ESTOCÁSTICOS Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 Sistema Un sistema
Más detallesModelos Estocásticos I Tercer Examen Parcial Respuestas
Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado
Más detallesTema 4: Variable Aleatoria Bidimensional
Curso 2016-2017 Contenido 1 Definición de Variable Aleatoria Bidimensional 2 Distribución y fdp Conjunta 3 Clasificación de Variables Aleatorias Bidimensionales 4 Distribuciones Condicionales 5 Funciones
Más detallesVECTORES ALEATORIOS. 1 Introducción. 2 Vectores aleatorios
VECTORES ALEATORIOS 1 Introducción En la vida real es muy frecuente enfrentarnos a problemas en los que nos interesa analizar varias características simultáneamente, como por ejemplo la velocidad de transmisión
Más detallesVariables aleatorias
Variables aleatorias Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 Una variable aleatoria es un valor numérico que se corresponde con
Más detallesVectores Aleatorios. Vectores Aleatorios. Vectores Discretos. Vectores Aleatorios Continuos
Definición Dado un espacio muestral S, diremos que X =(X 1, X 2,, X k ) es un vector aleatorio de dimension k si cada una de sus componentes es una variable aleatoria X i : S R, para i = 1, k. Notemos
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
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 detallesProcesos estocásticos
Procesos estocásticos Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos del curso 1. Introducción. 2. Procesos a tiempo discreto:
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 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 detallesTema 3 Normalidad multivariante
Aurea Grané Máster en Estadística Universidade Pedagógica Aurea Grané Máster en Estadística Universidade Pedagógica Tema 3 Normalidad multivariante 3 Normalidad multivariante Distribuciones de probabilidad
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
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 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 detallesUniversidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Matemática MA Probabilidades y Estadística
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Matemática MA3403 - Probabilidades y Estadística Vectores Aleatorios Alberto Vera Azócar, albvera@ing.uchile.cl.
Más detallesINGENIERÍA de TELECOMUNICACIONES
INGENIERÍA de TELECOMUNICACIONES ESTADÍSTICA 2015-2016 PRÁCTICA 2: PROBABILIDAD Y VARIABLES ALEATORIAS OBJETIVOS: Introducción a la probabilidad mediante experimentos aleatorios. Introducción a las variables
Más detallesExamen de Estadística
Examen de Estadística Grado en Ingeniería de Telecomunicación 28 de Mayo de 25 Cuestiones solución h 45m C.5 puntos). Una variable aleatoria X mide el número de incendios provocados en Almería a lo largo
Más detallesUnidad 1: Espacio de Probabilidad
Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar
Más detallesProbabilidad y Estadística
Vectores aleatorios Probabilidad y Estadística Vectores aleatorios Federico De Olivera Cerp del Sur-Semi Presencial curso 2015 Federico De Olivera (Cerp del Sur-Semi Presencial) Probabilidad y Estadística
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 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 detallesTema 4: VARIABLES ALEATORIAS BIDIMENSIONALES
Tema 4: VAIABLES ALEATOIAS BIDIMENSIONALES 1 Concepto de variable aleatoria bidimensional Sea Ω el espacio muestral de un experimento aleatorio. Definimos variable aleatoria bidimensional, como una aplicación
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 detallesPrueba Integral Lapso /6
Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,
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 detallesRepaso de Probabilidad y Estadística
Repaso de Probabilidad y Estadística Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Probabilidad 2 Definición.............................................................
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 4: Variables aleatorias multidimensionales
Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia
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 4: Variables aleatorias multidimensionales
1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica
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 detallesIntroducción al Tema 9
Tema 2. Análisis de datos univariantes. Tema 3. Análisis de datos bivariantes. Tema 4. Correlación y regresión. Tema 5. Series temporales y números índice. Introducción al Tema 9 Descripción de variables
Más detallesSEÑALES ALEATORIAS Y RUIDO. E. T. S. de Ingenieros de Telecomunicación Universidad de Valladolid.
SEÑALES ALEATORIAS Y RUIDO. Marcos Martín Fernández E. T. S. de Ingenieros de Telecomunicación Universidad de Valladolid. CONTENIDOS INDICE. DE FIGURAS VII 1. PROBABILIDAD. 1 2. VARIABLES ALEATORIAS.
Más detallesDistribuciones de probabilidad bidimensionales o conjuntas
Distribuciones de probabilidad bidimensionales o conjuntas Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma semejante al caso unidimensional. Para el caso
Más detallesTEMA 2: Estimadores y distribuciones en el muestreo. Alfredo García Hiernaux. Grupos 69 y 73 Estadística I. Curso 2006/07
TEMA 2: Estimadores y distribuciones en el muestreo 1) Introducción 2) Tipos de muestreos 3) Estadísticos INDICE 4) Estimadores y propiedades 5) Distribución muestral 6) Teorema Central del Límite 7) Distribuciones
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 detallesFunciones de Variables Aleatorias. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Funciones de Variables Aleatorias UCR ECCI CI-135 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción En los métodos estadísticos estándar, el resultado de la prueba
Más detallesTema 5. MODELOS DE DISTRIBUCIONES CONTINUOS.
Estadística Tema 5 Curso 6/7 Tema 5. MODELOS DE DISTRIBUCIONES CONTINUOS. Objetivos Conceptos: Conocer los siguientes modelos continuos de probabilidad: uniforme, normal, eponencial, gamma y Pareto. De
Más detallesProbabilidad Condicional
Probabilidad Condicional Ejemplo: Se tiene que dos bolas son seleccionadas aleatoriamente (sin reemplazo) de un caja que contiene r bolas rojas y b bolas azules. Cuál es la probabilidad de que la primera
Más detalles2 Estudio local de funciones de varias variables.
a t e a PROBLEMAS DE CÁLCULO II t i c a s 1 o Ings. Industrial y de Telecomunicación CURSO 2009 2010 2 Estudio local de funciones de varias variables. 2.1 Derivadas de orden superior. Problema 2.1 Sea
Más detallesVectores aleatorios (distribuciones multivariantes)
Vectores aleatorios (distribuciones multivariantes) Tema 9. Distribución conjunta de un vector aleatorio. Distribuciones marginales y condicionadas Ignacio Cascos Depto. Estadística, Universidad Carlos
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 detallesCÁLCULO Primer curso de Ingeniero de Telecomunicación Examen Final. 19 de Junio de 2004 Primera parte
CÁLCULO Primer curso de Ingeniero de Telecomunicación Examen Final. 9 de Junio de 4 Primera parte Ejercicio. Un depósito subterráneo de gasolina tiene forma de cilindro elíptico con semieje orizontal a
Más detallesRuido en los sistemas de comunicaciones
Capítulo 2 Ruido en los sistemas de comunicaciones Cuando una señal se transmite a través de un canal de comunicaciones hay dos tipos de imperfecciones que hacen que la señal recibida sea diferente de
Más detallesPráctica 3 Esperanza Condicional
1. Generalidades Práctica 3 Esperanza Condicional 1. Sea (X i ) i I una familia de variables aleatorias definidas sobre un mismo espacio medible (Ω, F) y sea Y otra variable aleatoria en este espacio.
Más detallesCapítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
Más detallesFunción Característica
Germán Bassi 21 de marzo de 211 1. Variable Aleatoria Continua Para una variable aleatoria escalar y continua X, la función característica se define como el valor esperado de e jωx, donde j es la unidad
Más detalles