Variables Aleatorias Continuas

Slides:



Advertisements
Presentaciones similares
Generación de variables aleatorias
Advertisements

Tema.11. Principales modelos de distribución de probabilidad en Psicología: Variables discretas: binomial y Poisson. Variables continuas: normal, chi.
1.1 Contraste de Bondad de Ajuste para Datos Categóricos
Intervalo de referencia en distribuciones normales
Estadística I. Finanzas Y Contabilidad
Procesos estocásticos 1
Las distribuciones binomial y normal.
Estadística Unidad III
1.Introducción a la Estadística 2.Descripción de los conjuntos de datos 3.Uso de la Estadística para sintetizar conjuntos de datos 4.Probabilidad 5.Variables.
Variable Aleatoria Continua. Principales Distribuciones
Distribución de poisson
8. Distribuciones continuas
Simulación 3 Generación de variables aleatorias.
Matemáticas aplicadas a las CCSS II Ana Pola IES Avempace
Distribuciones de Probabilidad Conceptos relacionados
Variables Aleatorias Distribuciones
Binomial Poisson Hipergeométrico Modelos Discretos
UNIDAD 2 CARRERA: ALUMNO: CATEDRATICO:
La ley de los grandes números
8.3.- APROXIMACIOIN DE LA DISTRIBUCION BINOMIAL A LA NORMAL
4. 0 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD 4
Tema 5: Modelos probabilísticos
METODOLOGÍA DE INVESTIGACIÓN Titular: Agustín Salvia
1.2 Variables aleatorias..
Índice Estadística Aplicada Unidad II: Probabilidades
EL CONCEPTO DE PROBABILIDAD
Distribuciones de Probabilidad
1 M. en C. Gal Vargas Neri. ESTADISTICA I CSH, Tema III TEMARIO.
Universidad Mexicana en Línea Carrera: Administración Pública Asignatura: Estadística Tutor: Leonardo Olmedo Alumno: Alfredo Camacho Cordero Matrícula:
Licenciatura en Administración Pública
8.3.- APROXIMACIOIN DE LA DISTRIBUCION BINOMIAL A LA NORMAL
Distribuciones Discretas
Generación de variables aleatorias
Generación de Variables Aleatorias
Modelos de probabilidad Distribuciones continuas
Valor que toma la variable aleatoria
Distribuciones Continuas de Probabilidad
2. DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN NORMAL
Distribución de Probabilidades Discretas
AGENDA Distribuciones de probabilidad discreta
Estadística Administrativa I Período Distribuciones de probabilidad 1.
Funciones de densidad de probablidad
Inferencia Estadística
Principales distribuciones discretas
Variables aleatorias y sus distribuciones
Unidad II: Variables Aleatorias Concepto Discreta y Continua Fun. de densidad Fun. de probabilidad F. de distribución Esperanza y Varianza Propiedades.
Simulación/2002 Héctor Allende Capítulo 8 Modelos de Datos de Entrada Departamento de Informática Universidad Técnica Federico Santa María.
Modelación de Datos de Entrada
Teoría de Probabilidad Dr. Salvador García Lumbreras
8. Distribuciones continuas
CONTENIDO: Estadística Descriptiva e inferencial Muestreo estadístico
Nociones Básicas de Análisis Estadístico de Muestras
Tema 6: Distribuciones estadísticas
Distribuciones probabilísticas discretas
Distribución de Probabilidades
Fecha de entrega: 21/09/11. La Teoría de Colas es el estudio de la espera en las distintas modalidades. El uso de los modelos de colas sirve para representar.
DISTRIBUCIONES DE PROBABILIDAD
1.Introducción a la Estadística 2.Descripción de los conjuntos de datos 3.Uso de la Estadística para sintetizar conjuntos de datos 4.Probabilidad 5.Variables.
1 1 Slide Universidad Diego Portales Facultad de Economía y Empresa y Empresa.
Alicia De Gyves López Licenciatura Tecnologías de la Información y Comunicación 3º. Cuatrimestre Estadística Descriptiva Distribuciones de Probabilidad.
Alumno: Hebert Rangel Gutierrez Matricula: Tutor: Leonardo Olmedo Asignatura: Estadistica Descriptiva Licenciatura en Tecnologías de la Información.
Distribuciones de Probabilidad
P y E 2012 Clase 15Gonzalo Perera1 Repaso de la clase anterior. Métodos de estimación.
Inferencia Estadística Conceptos Previos. Conceptos Previos Población: Es la colección de toda la posible información que caracteriza a un fenómeno aleatorio.
Laboratorio de Estadística administrativa Distribución Poisson Distribución exponencial Febrero de 2007.
Generación de Variables Aleatorias
D ISTRIBUCIÓN DE PROBABILIDAD Alumno: Rafael Rosete Cabrera Centro de Estudios del Atlántico Catedrático: Cesar Pérez Pérez.
Tarea # 2. La distribución uniforme es la que corresponde a una variable que toma todos sus valores, con igual probabilidad; el espacio muestral debe.
TEMA : DISTRIBUCIONES DE PROBABILIDADES
Distribución exponencial
Transcripción de la presentación:

Variables Aleatorias Continuas Ingeniería en Sistemas de Información

Ing Juan P. Pedroni - Simulación Introducción Qué es una variable aleatoria? Se denomina variable aleatoria, a una variable X que puede tomar un conjunto de valores {x0, x1, x2, … xn-1}, con probabilidades {p0, p1, p2, … pn-1} Para qué sirven las variables aleatorias? Tipos de variables aleatorias Continua: es aquella que puede tomar todos los valores posibles dentro de un cierto intervalo de la recta real. EJ: Altura de los alumnos de una clase, horas de duración de una pila. Discreta: Una variable aleatoria discreta es aquella que sólo puede tomar valores enteros. EJ: Número de hijos de una familia, puntuación obtenida al lanzar un dado Ing Juan P. Pedroni - Simulación

Distribuciones de Probabilidad Dada una variable aleatoria X, la distribución de probabilidad de X es la función F(X) que asigna a cada evento una probabilidad definida por: Distribuciones Continuas: Uniforme Normal Exponencial Negativa Distribuciones Discretas: Poisson Ing Juan P. Pedroni - Simulación

Distribuciones de Probabilidad Función de Densidad de Probabilidad f(x) Se utiliza con el propósito de conocer cómo se distribuyen las probabilidades de un suceso o evento, en relación al resultado del evento. Se relaciona con la Distribución de Probabilidad F(x): Ing Juan P. Pedroni - Simulación

Distribuciones de Probabilidad Distribución Uniforme Función de Densidad: Media: Varianza: Ing Juan P. Pedroni - Simulación

Distribuciones de Probabilidad Distribución Normal Función de Densidad: Media (estandar): Varianza (estandar): Ing Juan P. Pedroni - Simulación

Distribuciones de Probabilidad Distribución Exponencial Negativa Función de Densidad: Media: Varianza: Ing Juan P. Pedroni - Simulación

Distribuciones de Probabilidad Distribución Poisson Función de Densidad: Media: Varianza: Ing Juan P. Pedroni - Simulación

Distribuciones de Probabilidad Distribución Poisson k es el número de ocurrencias de un evento, λ es un número real positivo, equivalente al número esperado de ocurrencias durante un intervalo dado. Por ejemplo, si los eventos ocurren de media cada 4 minutos, y se está interesado en el número de eventos ocurriendo en un intervalo de 10 minutos, se usaría como modelo una distribución de Poisson con λ = 2.5. Por ejemplo, si 2% de los libros encuadernados en cierto taller tiene encuadernación defectuosa, obtener la probabilidad de que 5 de 400 libros encuadernados en este taller tengan encuadernaciones defectuosas. Ing Juan P. Pedroni - Simulación

Distribuciones de Probabilidad Cuándo se usa esta distribución La distribución de Poisson se utiliza cuando estamos interesados en medir el número de sucesos aleatorios que suceden en un intervalo fijo. Por ejemplo el número de llamadas recibidas en una centralita telefónica en un periodo de 30 segundos, el número de defectos en una fibra de vidrio de 1 Km de longitud, el número de meteoritos encontrados en una hectárea de tierra desierta, etc... Ing Juan P. Pedroni - Simulación

Generación de Distribuciones de Probabilidad Algoritmos Generadores de Números Aleatorios en Software Comercial. Métodos de Generación: Transformada Inversa Si la variable aleatoria X tiene una FDA F(x), entonces la variable u = F(x) esta distribuida uniformemente entre 0 y 1. Por lo tanto, X se puede obtener generando números uniformes y calculando x = F-1 (u). Caracterización Características especiales de ciertas distribuciones permiten generar sus variables usando algoritmos especialmente ajustados para ellas Método del Rechazo Composición Convolución Ing Juan P. Pedroni - Simulación

Generación de Distribuciones de Probabilidad Distribución Uniforme: Ing Juan P. Pedroni - Simulación

Generación de Distribuciones de Probabilidad Distribución Normal: Ing Juan P. Pedroni - Simulación

Generación de Distribuciones de Probabilidad Distribución Exponencial Negativa: Ing Juan P. Pedroni - Simulación

Generación de Distribuciones de Probabilidad Distribución Poisson: Algoritmo para generar v.a. aux=0; N=0; T=1; while aux==0 T=T*u; % u: número aleatorio [0,1] if (T>exp(-lambda)) N=N+1; else aux=1; end x=N; % x: Variable Aleatorioa con Distrib. Poisson Ing Juan P. Pedroni - Simulación

Generación de Distribuciones de Probabilidad Ejemplos con Matlab Ing Juan P. Pedroni - Simulación

Generación de Distribuciones de Probabilidad Ejemplos con Matlab: Distribución Uniforme [-5,100] Ing Juan P. Pedroni - Simulación

Generación de Distribuciones de Probabilidad Ejemplos con Matlab: Distribución Normal µ=-1, σ=0.7 Ing Juan P. Pedroni - Simulación

Generación de Distribuciones de Probabilidad Ejemplos con Matlab: Distribución Exp. Neg λ=1/30 Ing Juan P. Pedroni - Simulación

Generación de Distribuciones de Probabilidad Ejemplos con Matlab: Distribución Poisson λ=1 Ing Juan P. Pedroni - Simulación

Ing Juan P. Pedroni - Simulación Pruebas de Bondad Pruebas que miden la bondad del ajuste: Chi-cuadrado Kolmogorov – Smirnov Media Ing Juan P. Pedroni - Simulación

Ing Juan P. Pedroni - Simulación Trabajo Práctico N° 3 Tema Variables Aleatorias Continuas T.P. Nº 3 Descripción Realizar una librería que proporcione (mediante funciones o métodos) la funcionalidad necesaria para generar valores de variables aleatorias continuas para las siguientes distribuciones: exponencial, poisson y normal. Realizar un programa que grafique las distribuciones anteriores utilizando la librería pedida en el punto anterior. (La gráfica se aceptará que se genere en base a un archivo de salida del programa, en Excel).   Observaciones Pedido: Segunda semana de clase. Entrega: Tercera semana de clase. Ing Juan P. Pedroni - Simulación

Ing Juan P. Pedroni - Simulación Resumen Se definió variable aleatoria. Se presentaron distribuciones de probabilidad más comunes. Se mostraron algunos métodos de generación de variables aleatorias. Se mostraron ejemplos. Se comentaron las pruebas de bondad existentes. Se solicitó el T.P. N° 3 Ing Juan P. Pedroni - Simulación