La distribución t se llama ahora la distribución – t de studentLa distribución t se llama ahora la distribución – t de studentLa distribución t es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeñoLa distribución t es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeñofx=Px=λe-λx, para x 00 de otro modo fx=Px=λe-λx, para x 00 de otro modo La distribución exponencial es una distribución de probabilidad continua con un parámetro λ ˃ 0 cuya función de densidad esLa distribución exponencial es una distribución de probabilidad continua con un parámetro λ ˃ 0 cuya función de densidad esfx= 1σ2x e- 12 (e- μσ)2 , x IRfx= 1σ2x e- 12 (e- μσ)2 , x IRLa distribución gaussiana, recibe también el nombre de distribución normal, ya que una gran mayoría de las variables aleatorias continuas de la naturaleza siguenesta distribución. Se dice que una variable aleatoria X sigue una distribución normal si su función de densidad esLa distribución gaussiana, recibe también el nombre de distribución normal, ya que una gran mayoría de las variables aleatorias continuas de la naturaleza siguenesta distribución. Se dice que una variable aleatoria X sigue una distribución normal si su función de densidad esDistribución normal es el modelo de distribución más utilizado en la práctica, ya que multitud de fenómenos se comportan según una distribución normal.Distribución normal es el modelo de distribución más utilizado en la práctica, ya que multitud de fenómenos se comportan según una distribución normal.Se dice que una variable X posee una distribución uniforme en el intervalo [a,b], X~Ua,b si su función de densidad es la siguiente fx= 1b-a si a x bSe dice que una variable X posee una distribución uniforme en el intervalo [a,b], X~Ua,b si su función de densidad es la siguiente fx= 1b-a si a x bLa distribución de Poisson esta es otra distribución de probabilidad discreta útil en la que la variable aleatoria representa el número de eventos independientes que ocurren a una velocidad constante.La distribución de Poisson esta es otra distribución de probabilidad discreta útil en la que la variable aleatoria representa el número de eventos independientes que ocurren a una velocidad constante.DISTRIBUCIONES DE PROBABILIDAD CONTINUADISTRIBUCIONES DE PROBABILIDAD CONTINUALa distribución hipergeometrica es una distribución discreta relacionada con muestreos aleatorios y sin reemplazoLa distribución hipergeometrica es una distribución discreta relacionada con muestreos aleatorios y sin reemplazoLa función de distribución geométrica acumulada se expresa comopx x=Fx;p=i=0xqi-1 . pLa función de distribución geométrica acumulada se expresa comopx x=Fx;p=i=0xqi-1 . pLa binomial negativa es una distribución de probabilidad discreta que incluye a la distribución de pascal.La binomial negativa es una distribución de probabilidad discreta que incluye a la distribución de pascal.Las distribuciones binomiales son las más útiles dentro de las distribuciones deprobabilidad discretas.Las distribuciones binomiales son las más útiles dentro de las distribuciones deprobabilidad discretas.Se denomina distribución de variable discreta aquella cuya función de probabilidad solo toma valores positivos en un conjunto de valores de X finito o infinito numerable. Se denomina distribución de variable discreta aquella cuya función de probabilidad solo toma valores positivos en un conjunto de valores de X finito o infinito numerable. DISTRIBUCIONES DE PROBABILIDAD DISCRETADISTRIBUCIONES DE PROBABILIDAD DISCRETAVARIABLES ALEATORIASVARIABLES ALEATORIASel teorema se expresa de cualquiera de las siguientes maneraspx-μ kσ 1- 1k2 Ó P(" X -µ "˃ kσ) 1k2el teorema se expresa de cualquiera de las siguientes maneraspx-μ kσ 1- 1k2 Ó P(" X -µ "˃ kσ) 1k2Teorema de Chebyshev. Si una variable aleatoria tiene una varianza o desviación estándar pequeña, esperaríamos que la mayoría de los valores se agrupan alrededor de la media..Teorema de Chebyshev. Si una variable aleatoria tiene una varianza o desviación estándar pequeña, esperaríamos que la mayoría de los valores se agrupan alrededor de la media..La esperanza matemática (también llamada esperanza, valor esperado, media poblacional o media) de una variable aleatoria , es el número que formaliza la idea de valor medio de un fenómeno aleatorio.La esperanza matemática (también llamada esperanza, valor esperado, media poblacional o media) de una variable aleatoria , es el número que formaliza la idea de valor medio de un fenómeno aleatorio.la distribución de probabilidad de una variable aleatoria es una función que asigna a cada suceso definido sobre la variable aleatoria, la probabilidad de que dicho suceso ocurra. La distribución de probabilidad está definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de la variable aleatoria.la distribución de probabilidad de una variable aleatoria es una función que asigna a cada suceso definido sobre la variable aleatoria, la probabilidad de que dicho suceso ocurra. La distribución de probabilidad está definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de la variable aleatoria.Se dice que una variable aleatoria X es discreta si el número de valores que puede tomar es finito (o infinito contable).Se dice que una variable aleatoria X es discreta si el número de valores que puede tomar es finito (o infinito contable).Se dice que X es aleatoria porque involucra la probabilidad de los resultados del espacio muestral, y se define X como una función porque transforma todos losposibles resultados del espacio muestral en cantidades numéricas reales.Se dice que X es aleatoria porque involucra la probabilidad de los resultados del espacio muestral, y se define X como una función porque transforma todos losposibles resultados del espacio muestral en cantidades numéricas reales.Una variable aleatoria es pues, una función que asigna un número real a cada resultado en el espacio muestral de un experimento aleatorio. Ellas se denotan con una letra mayúscula, tal como X.Una variable aleatoria es pues, una función que asigna un número real a cada resultado en el espacio muestral de un experimento aleatorio. Ellas se denotan con una letra mayúscula, tal como X.UNIDAD DOS: VARIABLES ALEATORIAS Y DISTRIBUCIONES DEPROBABILIDADUNIDAD DOS: VARIABLES ALEATORIAS Y DISTRIBUCIONES DEPROBABILIDAD
La distribución t se llama ahora la distribución – t de student
La distribución t se llama ahora la distribución – t de student
La distribución t es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño
La distribución t es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño
fx=Px=λe-λx, para x 00 de otro modo
fx=Px=λe-λx, para x 00 de otro modo
La distribución exponencial es una distribución de probabilidad continua con un parámetro λ ˃ 0 cuya función de densidad es
La distribución exponencial es una distribución de probabilidad continua con un parámetro λ ˃ 0 cuya función de densidad es
fx= 1σ2x e- 12 (e- μσ)2 , x IR
fx= 1σ2x e- 12 (e- μσ)2 , x IR
La distribución gaussiana, recibe también el nombre de distribución normal, ya que una gran mayoría de las variables aleatorias continuas de la naturaleza siguen
esta distribución. Se dice que una variable aleatoria X sigue una distribución normal si su función de densidad es
La distribución gaussiana, recibe también el nombre de distribución normal, ya que una gran mayoría de las variables aleatorias continuas de la naturaleza siguen
esta distribución. Se dice que una variable aleatoria X sigue una distribución normal si su función de densidad es
Distribución normal es el modelo de distribución más utilizado en la práctica, ya que multitud de fenómenos se comportan según una distribución normal.
Distribución normal es el modelo de distribución más utilizado en la práctica, ya que multitud de fenómenos se comportan según una distribución normal.
Se dice que una variable X posee una distribución uniforme en el intervalo [a,b], X~Ua,b si su función de densidad es la siguiente fx= 1b-a si a x b
Se dice que una variable X posee una distribución uniforme en el intervalo [a,b], X~Ua,b si su función de densidad es la siguiente fx= 1b-a si a x b
La distribución de Poisson esta es otra distribución de probabilidad discreta útil en la que la variable aleatoria representa el número de eventos independientes que ocurren a una velocidad constante.
La distribución de Poisson esta es otra distribución de probabilidad discreta útil en la que la variable aleatoria representa el número de eventos independientes que ocurren a una velocidad constante.
DISTRIBUCIONES DE PROBABILIDAD CONTINUA
DISTRIBUCIONES DE PROBABILIDAD CONTINUA
La distribución hipergeometrica es una distribución discreta relacionada con muestreos aleatorios y sin reemplazo
La distribución hipergeometrica es una distribución discreta relacionada con muestreos aleatorios y sin reemplazo
La función de distribución geométrica acumulada se expresa comopx x=Fx;p=i=0xqi-1 . p
La función de distribución geométrica acumulada se expresa comopx x=Fx;p=i=0xqi-1 . p
La binomial negativa es una distribución de probabilidad discreta que incluye a la distribución de pascal.
La binomial negativa es una distribución de probabilidad discreta que incluye a la distribución de pascal.
Las distribuciones binomiales son las más útiles dentro de las distribuciones de
probabilidad discretas.
Las distribuciones binomiales son las más útiles dentro de las distribuciones de
probabilidad discretas.
Se denomina distribución de variable discreta aquella cuya función de probabilidad solo toma valores positivos en un conjunto de valores de X finito o infinito numerable.
Se denomina distribución de variable discreta aquella cuya función de probabilidad solo toma valores positivos en un conjunto de valores de X finito o infinito numerable.
DISTRIBUCIONES DE PROBABILIDAD DISCRETA
DISTRIBUCIONES DE PROBABILIDAD DISCRETA
VARIABLES ALEATORIAS
VARIABLES ALEATORIAS
el teorema se expresa de cualquiera de las siguientes maneras
px-μ kσ 1- 1k2 Ó P(" X -µ "˃ kσ) 1k2
el teorema se expresa de cualquiera de las siguientes maneras
px-μ kσ 1- 1k2 Ó P(" X -µ "˃ kσ) 1k2
Teorema de Chebyshev. Si una variable aleatoria tiene una varianza o desviación estándar pequeña, esperaríamos que la mayoría de los valores se agrupan alrededor de la media..
Teorema de Chebyshev. Si una variable aleatoria tiene una varianza o desviación estándar pequeña, esperaríamos que la mayoría de los valores se agrupan alrededor de la media..
La esperanza matemática (también llamada esperanza, valor esperado, media poblacional o media) de una variable aleatoria , es el número que formaliza la idea de valor medio de un fenómeno aleatorio.
La esperanza matemática (también llamada esperanza, valor esperado, media poblacional o media) de una variable aleatoria , es el número que formaliza la idea de valor medio de un fenómeno aleatorio.
la distribución de probabilidad de una variable aleatoria es una función que asigna a cada suceso definido sobre la variable aleatoria, la probabilidad de que dicho suceso ocurra. La distribución de probabilidad está definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de la variable aleatoria.
la distribución de probabilidad de una variable aleatoria es una función que asigna a cada suceso definido sobre la variable aleatoria, la probabilidad de que dicho suceso ocurra. La distribución de probabilidad está definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de la variable aleatoria.
Se dice que una variable aleatoria X es discreta si el número de valores que puede tomar es finito (o infinito contable).
Se dice que una variable aleatoria X es discreta si el número de valores que puede tomar es finito (o infinito contable).
Se dice que X es aleatoria porque involucra la probabilidad de los resultados del espacio muestral, y se define X como una función porque transforma todos los
posibles resultados del espacio muestral en cantidades numéricas reales.
Se dice que X es aleatoria porque involucra la probabilidad de los resultados del espacio muestral, y se define X como una función porque transforma todos los
posibles resultados del espacio muestral en cantidades numéricas reales.
Una variable aleatoria es pues, una función que asigna un número real a cada resultado en el espacio muestral de un experimento aleatorio. Ellas se denotan con una letra mayúscula, tal como X.
Una variable aleatoria es pues, una función que asigna un número real a cada resultado en el espacio muestral de un experimento aleatorio. Ellas se denotan con una letra mayúscula, tal como X.
UNIDAD DOS: VARIABLES ALEATORIAS Y DISTRIBUCIONES DE
PROBABILIDAD
UNIDAD DOS: VARIABLES ALEATORIAS Y DISTRIBUCIONES DE
PROBABILIDAD