Deber N3 de Probabilidad y Estadística de la Universidad EPN, facultad ICEFDescripción completa
DISTRIBUCIÓN DE PROBABILIDADES DISCRETASDescripción completa
Descripción: nnnn
formulario
SINTESIS VARIABLES ALEATORIAS
RESUMEN de Variables Discretas • Una variable aleatoria es una función que asigna un número número real a cada resultado de un experimento aleatorio. Una variable aleatoria se define si el resultado de un experimento aleatorio es un número, o si un atributo numérico de un resultado es de interés. • La noción de un evento equivalente permite derivar derivar las probabilidades de eventos la participación de una variable aleatoria en función de las probabilidades de los eventos que implica la los resultados subyacentes. • Una variable aleatoria es discreta si toma valor es es de un conjunto numerable. La función de masa de probabilidad es suficiente para calcular la probabilidad de que todos los eventos la participación de una variable aleatoria discreta. • La probabilidad de eventos que involucran variable aleatoria aleatoria discreta X puede expresarse como la suma de la función de masa de probabilidad • Si X es una variable aleatoria, a continuación, es también una variable aleatoria. • La media, la varianza varianza y momentos de una variable aleatoria discreta resumen algunos de la información acerca de la variable v ariable aleatoria X. Estos parámetros son útiles en practicar, ya que son más fáciles de medir y estimar que la PMF. • El pmf condicional nos permite calcular la la probabilidad de eventos dada parcial información acerca de la variable aleatoria X. • Hay un número de métodos para la generación de var iables aleatorias discretas con prescrito de pmf en términos de una variable aleatoria que se distribuye de manera uniforme en el intervalo de la unidad.
RESUMEN de Variables Continuas • La función de distribución acumulada es la probabilidad la probabilidad de que X cae en la intervalo, la probabilidad de cualquier evento que consiste en la unión de los intervalos se puede expresar en términos de la CDF . • Una variable aleatoria es continua si su CDF se puede escribir escribir como la integral de un no negativo función . Una variable aleatoria es mezclada si es una mezcla de un un discreto y variable aleatoria continua . • La probabilidad de sucesos sucesos que supongan una variable aleatoria continua X puede expresarse como integrales de la función de densidad de probabilidad
• IFX es una variable aleatoria , entonces también es una noción variable.The aleatoria de eventos equivalentes nos permite derivar expresiones para la cdf y pdf de Y en términos del cdf y pdf de X. • La cdf y pdf de la variable aleatoria X son suficientes para calcular todas las probabilidades involucrando X solo. La media, la varianza y momentos de una variable aleatoria resumir parte de la información acerca de los parámetros X.These variables aleatorias son útiles en la práctica debido a q ue son más fáciles de medir y estimar que los la fda y pdf . • CDF condicionales o pdf de incorporar conocimiento parcial sobre el resultado de una experimentar en el cálculo de las probabilidades de los eventos . • Las desigualdades de Markov y Chebyshev nos permiten probabilidades unidas involucran X en términos de sus primeros dos únicos momentos . • Transforma proporcionan una alternativa sino una representación equivalente de la PMF y pdf . En ciertos tipos de problemas, es preferible trabajar con las transformadas en lugar de la pmf o pdf . Los momentos de una variable aleatoria se pueden obtener a partir del correspondiente transformar . • La fiabilidad de un sistema es la probabilidad de que sigue funcionando después de t horas de operation.The fiabilidad de un sistema puede determinarse a partir de la fiabilidad de los sus subsistemas . • Hay un número de métodos para la generación de var iables aleatorias con prescrito para mujeres o documentación de pmf en términos de una variable aleatoria que se distribuye de manera uniforme en el intervalo de la unidad . Estos métodos incluyen la transformación y los métodos de rechazo así como los métodos que simulan experimentos aleatorios (por ejemplo, funciones de azar variables) y mezclas de variables aleatorias . • La entropía de una variable aleatoria X es una medida de la incertidumbre de X en términos de la cantidad media de información necesaria para identificar su valor. • El método de máxima entropía es un procedimiento para estimar la pmf o pdf de un cuando variable aleatoria sólo información parcial acerca de X , en forma de espera los valores de las funciones de X, disponible.