Beruflich Dokumente
Kultur Dokumente
V
Líneas de Investigación:
?
V
V
Propósito de la Lección
Comprender, entender, definir, conceptualizar y aplicar
el concepto de Variables aleatorias continuas para:
G
V
Guión de la Lección
1. Registro de Preguntas de Caso y Problema.
2. Revisión de requisitos de ³Entrada de la Conferencia´.
3. Test de Entrada. Caso y Problemas.
4. Contenido de la Presentación de la Conferencia
G
5. Ajustes de Caso y Problema
6. Guías de planeación y seguimiento del Proyecto de clase.
7. Test de Salida: Caso, Problema y proyecto.
8. Cierre.
V
4. Conferencia No. 3.1.: PRUEBA DE HIPÓTESIS.
Hipótesis
Muestra
SELECCIÓN DE UN MODELO
Población
COMPROBAR
Tesis
V
LA DIFERENCIA ENTRE VARIABLES CONTINUAS Y DISCRETAS
V
LA DIFERENCIA ENTRE VARIABLES CONTINUAS Y DISCRETAS
ü
=
ü V
6
6
6
6
ü V
6
6
6
V
LA DIFERENCIA ENTRE VARIABLES CONTINUAS Y
DISCRETAS
ü
V
DIFERENCIA ENTRE VARIABLES CONTINUAS Y DISCRETAS
Aspecto Color
ü V
!"
ü V
"#
$%&'#%()'
Color
ü%
$!'"#()
.
* +
$#%'-.()
ü,,#%
$-'#,() '
/ Borde
ü.!
ü,,""
ü%!0
ü"1-
'
ü"--
üV
$
)
ü ,%
'
'
V
V
Recordar:
VARIABLES ALEATORIAS
ü La variable X no recibe el calificativo de aleatoria por el hecho de atribuir,
imprevisiblemente, un valor cualquiera a un elemento sino porque no se
sabe qué evento (elemento) de E ocurrirá.
V
Recordar
Nombre Representación
Función típica X ~ acrónimo (X; parámetros)
Uniforme X ~ UC (X; [a,b]) el parámetro el intervalo [a, b] el número de
Continua infinitas observaciones
Significado
V
Recordar
Nombre Representación
Función típica X ~ acrónimo (X; parámetros)
Uniforme X ~ UC (X; [a,b]) el parámetro el intervalo [a, b] el número de
Continua infinitas observaciones
Gráfico
Función de
Masa de
Probabilidad Función de
distribución
V
Recordar
Nombre Representación
V
Variable Aleatoria Continua: Momentos
ü Momento de orden r ( r ) a ü La esperanza matemática es el momento
de primer orden
6
O
áO
6
6A O
6 A
á O
6
6A
O
6
ü La varianza es el momento central de segundo orden
áO
6
6
6A á O
6
Domingo, 09 de Enero de 2011
V
Variable Aleatoria Continua: Función Característica
ü Para una VA se define función característica a Kàþ à
6 Ou
6
6
?
6
6 O u
6A
V
Variable Aleatoria Continua
ü Variables aleatorias continuas:
ü Uniforme o rectangular
ü Exponencial.
ü Normal
ü Gamma:
ü Chi-cuadrado (funciones de distribución muestral, módulo 5)
ü Exponencial negativa
ü t-Student (funciones de distribución muestral, módulo 5)
ü Beta (funciones de distribución muestral, módulo 5)
ü F de snedecor (funciones de distribución muestral, módulo 5)
V
Leyes de Distribución: Exponencial
Nombre Representación
Exponencial _
Significado
La distribución exponencial es el equivalente continuo de la distribución
geométrica discreta. Esta ley de distribución describe procesos en los que:
ü Interesa saber el tiempo hasta que ocurre determinado evento, sabiendo
que, el tiempo que pueda ocurrir desde cualquier instante t, hasta que
ello ocurra en un instante tf, no depende del tiempo transcurrido anterior.
Ejemplos tipo:
ü El tiempo que tarda una partícula radiactiva en desintegrarse.
ü El tiempo que puede transcurrir en un servicio de urgencias hasta la llegada
de un paciente;
ü Proceso de Poisson donde se repite sucesivamente un experimento a
intervalos de tiempo iguales, el tiempo que transcurre entre la ocurrencia de
dos sucesos consecutivos sigue un modelo probabilístico exponencial.
V
Leyes de Distribución: Exponencial
Nombre Representación
Exponencial
_
Gráfico
Función de
distribución
Función de
Masa de
Probabilidad
V
Leyes de Distribución: Exponencial
Nombre Representación
Exponencial
_
Estadística Descriptiva
Centro Dispersión Forma Posición
Índices Cuantíles
_
_
Aplicación
Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos
sigue una distribución exponencial con media de 16 años. ¿Cuál es la
probabilidad de que a una persona a quién se le ha implantado este
marcapasos, se le deba reimplantar otro antes de 20 años? Si el
marcapasos lleva funcionando correctamente 5 años en un paciente.
(_=1/16)
V
Leyes de Distribución: Normal
Nombre Representación
Normal ( o Gaussiana) m !
Significado
üUna gran mayoría de las v.a continuas (las v.a discretas pueden
aproximarse por la ley gaussiana) de la naturaleza siguen esta distribución.
üSe dice que una v.a. X sigue una distribución normal de parámetros y 2.
ü³Origen, en errores de medición´, propuesta por matemático Gauss,
expresa que los errores de medición se aproximan a la curva normal de
errores. Tres razones de uso: (1) Interés en mediciones de diversas
magnitudes, sometidas a errores que, típicamente, se modelan como una
distribución normal. (2) Propiedades estadísticas y probabilísticas, su
cálculo de interés estadístico, es relativamente sencillo. (3) El Teorema
Central del Limite asegura que, para muestras grandes y bajo condiciones
apropiadas, muchas observaciones se aproximan, en distribución, a la
normal.
V
Leyes de Distribución: Normal
Nombre Representación
Normal m !
Gráfico
Función de
Masa de
Probabilidad Función de
distribución
V
Leyes de Distribución: Normal
Nombre Representación
Normal
Estadística Descriptiva
Centro Dispersión Forma Posición
E [X] = µ índices Cuantíles
(0 estándar) (1estándar)
Aplicación
Supongamos que cierto fenómeno pueda ser representado mediante una v.a. X con N(45, 81), y
queremos calcular la probabilidad de que X tome un valor entre 39 y 48, es decir,
V
Estimación de tamaño de muestra
El tamaño de la muestra refiere al número de unidades que se incluirán en el
estudio,, tamaño conveniente para comprobar seguridad y precisión
estudio precisión.. Para
calcular el tamaño hay que tener en cuenta:
cuenta:
(1) Porcentaje de confianza,
confianza, con el cual se quiere generalizar los datos
desde la muestra hacia la población total.
total.
(2) Porcentaje de error para aceptar al momento de hacer la
generalización..
generalización
(3) Variabilidad del parámetro a estimar
estimar.. Variabilidad positiva (p) y
negativa (q), porque p y q son complementarias.
complementarias. Si se habla de la
máxima variabilidad los valores de variabilidad pueden ser p = q = 0.5 ó
el porcentaje que se considere adecuado para el caso
caso..
Tamaño de Muestra.
Muestra. Si el tamaño de la muestra o población es infinito o no
se conoce con precisión su tamaño, la formula que se utiliza es:
es:
r
å
Si se conozca el tamaño de
V
Estimación de tamaño de muestra
V
Estimación de tamaño de muestra
V
Leyes de Distribución: Gamma
Nombre Representación
Gamma:
_ !
Significado
V
Leyes de Distribución: Gamma
Nombre Representación
Gamma _ !
Gráfico
Función de Función de
Masa de distribución
Probabilidad
V
Leyes de Distribución: Gamma
Nombre Representación
Gamma _ !
Estadística Descriptiva
Centro Dispersión Forma Posición
Aplicación:
Como ejemplo, calcular la probabilidad acumulada en el punto
X=1 con parámetros de escala y de forma igual a 30, de forma
que P (X 1)=0.524283.
V
Leyes de Distribución: Exponencial negativa
Nombre Representación
Exponencial negativa
Significado
Es un caso especial de la distribución gamma. se aplica tanto en teoría de colas
como en problemas de confiabilidad. Se usa en problemas de tiempo entre las
llegadas en instalaciones de servicio y el tiempo de falla de componentes y sistemas
eléctricos. Las aplicaciones más importantes de la distribución exponencial son
aquellas situaciones en donde se aplica el proceso de Poisson (utilizada para
calcular la probabilidad de números específicos de ³eventos´ durante un período o
espacio particular). En muchas aplicaciones, el período o la cantidad de espacio es
la variable aleatoria; ejemplo,
!. La relación entre
la distribución exponencial y el proceso Poisson es bastante simple; la distribución
de Poisson se desarrolló como una distribución de un solo parámetro _, donde _
puede interpretarse como el número promedio de eventos por unidad de ³tiempo´. Si
se considera la variable aleatoria descrita por el tiempo que se requiere para que
ocurra el primer evento, se utiliza la distribución de Poisson.
Domingo, 09 de Enero de 2011
V
Leyes de Distribución: Exponencial negativa
Nombre Representación
Exponencial negativa X ~ EN ()
Gráfico
Función de
densidad Función de
distribución
Domingo, 09 de Enero de 2011
V
Leyes de Distribución: Exponencial negativa
Nombre Representación
Exponencial negativa X ~ EN ()
Estadística Descriptiva
Centro Dispersión Forma Posición
E(X)= Var (X)=2 índices Cuantíles
Aplicación:
Suponga que un sistema contiene cierto tipo de componente cuyo tiempo de
falla en años está dado por la variable aleatoria T, distribuida
exponencialmente con tiempo promedio de falla . Sí 5 de estos componentes
se instalan en diferentes sistemas, ¿cuál es la probabilidad de que al menos 2
continúen funcionando después de 8 años?
Solución: La probabilidad de que un determinado componente esté
funcionando aún después de 8 años es:
V
Modelo De Trabajo
V
V
7. Guía para la planeación y seguimiento de Proyecto de clase.
V
7. Guía para la planeación y seguimiento de Proyecto de clase.
V
8. Test de Salida: Caso, Problema y proyecto.
V
9. Cierre.
V
Líneas de Investigación: