II.2 DISTRIBUCIONES CONTINUAS DISTRIBUCIÓN UNIFORME O RECTANGULAR

Slides:



Advertisements
Presentaciones similares
DSITRIBUCION T DE STUDENT.
Advertisements

Estadística I. Finanzas Y Contabilidad
Las distribuciones binomial y normal.
Estadística Unidad III
QUE SON FUNCIONES MATEMATICAS CONCEPTOS BASICOS
Variable Aleatoria Continua. Principales Distribuciones
La distribución normal
Distribución Normal
Bivariadas y Multivariadas
Matemáticas aplicadas a las CCSS II Ana Pola IES Avempace
UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERIA 1er SEMESTRE
UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERIA 1er SEMESTRE
Binomial Poisson Hipergeométrico Modelos Discretos
Variables Aleatorias ETSITGC Madrid. Variables Aleatorias ETSITGC Madrid Índice.
Estadísticos de Prueba en el Modelo de Regresión Múltiple
8.3.- APROXIMACIOIN DE LA DISTRIBUCION BINOMIAL A LA NORMAL
4. 0 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD 4
RAZONES Y PROPORCIONES
Transformaciones de variables aleatorias
Índice Estadística Aplicada Unidad II: Probabilidades
Unidad 1 Funciones exponenciales y logarítmicas
PROCESAMIENTO DE DATOS DE VIENTO 1º Parte.
GEOMETRIA ANALITICA.
Universidad Mexicana en Línea Carrera: Administración Pública Asignatura: Estadística Tutor: Leonardo Olmedo Alumno: Alfredo Camacho Cordero Matrícula:
PROBABILIDAD Y ESTADISTICA
8.3.- APROXIMACIOIN DE LA DISTRIBUCION BINOMIAL A LA NORMAL
Distribución Normal.
Geometría Analítica Prof. Isaías Correa M..
Variables Aleatorias Unidimensionales
Tema 6: Modelos probabilísticos
DISTRIBUCIÓN NORMAL La mayoría de las variables aleatorias que se presentan en los estudios relacionados con las ciencias sociales, físicas y biológicas,
DISTRIBUCIONES DE MUESTREO
Distribución Normal Distribución Normal
Unidad V: Estimación de
Modelos de probabilidad Distribuciones continuas
Valor que toma la variable aleatoria
ANALISIS DE FRECUENCIA EN HIDROLOGIA (2)
2. DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN NORMAL
DISTRIBUCION NORMAL Mario Briones L. MV, MSc 2005.
Capítulo 7 Estimación de Parámetros Estadística Computacional
Matemáticas Aplicadas CS I
¿Cuándo usar esta distribución?
DISTRIBUCIÓN NORMAL DÍA 62 * 1º BAD CS. DISTRIBUCIÓN NORMAL Así como de todas las distribuciones discretas destacábamos la distribución binomial, entre.
1º BACHILLERATO | Matemáticas © Oxford University Press España, S.A Hacer clic en la pantalla para avanzar VARIABLE ALEATORIA Errores comunes Es.
@ Angel Prieto BenitoMatemáticas Acceso a CFGS1 INTERPRETACIÓN DE LOS PARÁMETROS GRAFICAMENTE Bloque IV * Tema 177.
Matemáticas Aplicadas CS I
ESTADÍSTICA.
Unidad II: Variables Aleatorias Concepto Discreta y Continua Fun. de densidad Fun. de probabilidad F. de distribución Esperanza y Varianza Propiedades.
Consignas Laboratorio III. ► Ejercicio 1 ► Al tirar un dado se obtiene la realización de una variable aleatoria discreta independiente con valores posibles:
2. DISTRIBUCIÓN NORMAL MULTIVARIANTE Introducción Normal bivariante
Tema 7. RECTA . X l1 d1 P1 l2 d2 l‘ l P2 Y l2 l1 1 2 1 2 Y X C B A
Tema 6: Distribuciones estadísticas
Probabilidad y Estadística X = x Unidad de muestreo Mediremos un atributo Variable aleatoria Valor que toma la variable aleatoria.
Prof: María Consuelo Cortés – Guiomar Mora de Reyes
Estimación y contraste de hipótesis
Tablas de estadística.
MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
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.
Matemáticas 2º Bachillerato CS
Distribuciones de Probabilidad
La distribución normal
La campana de Gauss Campana de Gauss
Inferencia Estadística Conceptos Previos. Conceptos Previos Población: Es la colección de toda la posible información que caracteriza a un fenómeno aleatorio.
INFERENCIA ESTADÍSTICA
DEFINICIÓN DE NORMALIDAD MEDIDAS DE DESCRIPCIÓN DE DATOS
7. Distribución normal Sin duda la distribución continua de probabilidad más importante, por la frecuencia con que se encuentra y por sus aplicaciones.
Generación de Variables Aleatorias
Yulieth ariza Villarreal Estadística II. Historia La distribución de Student fue descrita en 1908 por William Sealy Gosset. Gosset trabajaba en una fábrica.
Presentado por : Diana Marcela Oviedo Pardo Diana Marcela Oviedo Pardo.
Transcripción de la presentación:

II.2 DISTRIBUCIONES CONTINUAS DISTRIBUCIÓN UNIFORME O RECTANGULAR Sea X es una variable bariable aleatoria continua con distribución uniforme dado por:

Gráficamente f(x) Donde su función acumulativa en distribución esta dada por:

Teorema : si x se distribuye uniformemente entonces

Hallar la función de densidad: EJEMPLO: Sea X el ángulo entre una dirección fijada y la dirección de la aguja de una brújula (Según Gráfico). Si la brújula trabaja podemos suponer que la probabilidad P(X x) es igual a la razón del ángulo x y el ángulo total 2 representada por la función de distribución. Hallar la función de densidad:

DISTRIBUCIÓN NORMAL Definición.- La variable aleatoria X que toma todos los valores reales -, tiene una distribución normal (o gausiana). Si su función de densidad es de la forma Los parámetros deben satisfacer las condiciones

El gráfico de la función tiene forma acampanada asintótica al eje X, simétrica con respecto al Centroide Vertical (recta perpendicular al eje x que pasa por x =) y continua en todo R. Tiene sus puntos de inflexión en

Si f(x) es una función de densidad entonces debe cumplir que a) ESPERANZA Y VARIANZA DE LA DISTRIBUCIÓN NORMAL

DISTRIBUCIÓN NORMAL ESTANDAR Si X sigue una distribución normal (x ,u, ) entonces mediante la transformación se obtiene la normal estándar cuya densidad se puede expresar

8.5.1 CARACTERÍSTICAS: i) Z sigue una distribución normal (z,0,1) ii)Los puntos de inflexión están en iii)La media, Moda y Mediana coinciden y son iguales a cero iv)La forma es acampanada, simétrica con respecto a yi asintótica al eje Z y continua en todo R.

MANEJO DE LA TABLA DE LA DISTRIBUCION NORMAL Dados los valores de Z, encontrar el área comprendida Si Z>0 EJEMPLO Hallar la probabilidad de Z menor que 0.93, este valor se encuentra directamente en la tabla en la columna Z=0.93 : ) se encuentra directamente en la tablas El valor de F(

EJEMPLO: si Z es menor que cero

II) Dada la probabilidad encontrar Z - Si la probabilidad dada es a 0 II) Dada la probabilidad encontrar Z - Si la probabilidad dada es a 0.5 el valor de Z se lee directamente en la tabla. Ejemplo: - Si la probabilidad dada es <0.50 F(-z1)=P(z< -z1) entonces P < 0.5 luego F(-z1)=1-p donde 1-p es mayor que 0.50 y el valor de F(z1) se lee directamente en la tabla. -

EJEMPLO: F(-z)=0.1469 1-F(z)=0.1465 F(z)=0.8333 z=1.05 por simetría -z=-1.05

EJEMPLO: Se sabe que la longitud de los orificios de los cráneos de 462 criminales ingleses están distribuidos normalmente , encontrar la probabilidad de un criminal seleccionado al azar, tenga una longitud de cráneo comprendida entre 190 y 195 milímetros. Se sabe que