Documente Academic
Documente Profesional
Documente Cultură
\usepackage[margin=1in]{geometry}
\usepackage{amsmath,amsthm,amssymb}
\usepackage[margin=1in]{geometry}
\usepackage{amsmath,amsthm,amssymb}
\usepackage[spanish]{babel} %Castellanización
\usepackage{graphicx}
\graphicspath{ {images/} }
\usepackage[utf8]{inputenc}
\usepackage[spanish]{babel}
\usepackage[latin1]{inputenc}
\usepackage{enumerate}
\usepackage{afterpage}
\newcommand{\N}{\mathbb{N}}
\newcommand{\Z}{\mathbb{Z}}
\newenvironment{theorem}[2][Theorem]{\begin{trivlist}
\newenvironment{lemma}[2][Lemma]{\begin{trivlist}
\item[\hskip \labelsep {\bfseries #1}\hskip \labelsep {\bfseries #2.}]}{\end{trivlist}}
\newenvironment{exercise}[2][Exercise]{\begin{trivlist}
\newenvironment{problem}[2][Problem]{\begin{trivlist}
\newenvironment{question}[2][Question]{\begin{trivlist}
\newenvironment{corollary}[2][Corollary]{\begin{trivlist}
\newenvironment{solution}{\begin{proof}[Solution]}{\end{proof}}
\begin{document}
\author[1]{Jherson Rosell}
\author[2]{Henry Cárdenas}
\author[3]{Fernanda Fernandez}
\author[4]{Brenda Salcedo}
\author[5]{Joselyn Romero}
\author[6]{Janeth Segama}
\author[7]{Milagros Aco}
\maketitle
\section{Introducción}
\title{}
funciones de probabilidad.la probabilidad está definida como una función que asigana
aleatoria que , es definida como cualquier característica medible que toma diferentes
una función de densidad, en tanto que lo que se conoce como funcion de distribución
Se utiliza cuando experimenta un proceso aleatorio cuyo resultado tenga exactamente dos
eventos (mutuamente excluyentes), pueden tomar dos valores numéricos:
\\
\\
X= 1 corresponde a un éxito \\
X= 0 corresponde a fracaso
\\
\\
\\
\\
\subsection{Ejercicios }
desconocida por un gran banco. ¿Cuál seria el error cometido al tomar como valor de P la
que el valor absoluto de la diferencia entre ambas sea mayor o igual que el error, sea como
mucho de 0,1?
Aplicando Bernoulli:
$$P(|\frac{x}{n}-p|\leq\delta)\leq \frac{pq}{n\delta^2}\leq\frac{1}{4n\delta^2} $$
\subsection{Ejercicios }
Un día visitamos el Casino y decidimos jugar a la ruleta. Nuestra apuesta va a ser siempre
al negro y cada apuesta de 3 euros. Llevamos 60 euros y queremos calcular la probabilidad de que
tras jugar
$$
x_{1}=\begin{cases}
1,
\end{cases}
$$
Siendo:\\
p=p[$x_{i}$=1]=0.485
\\
1-p=p[$x_{i}$=0]=0.515
\\
Hagamos notar que en el juego de ruleta la probabilidad de “no salir negro” es mayor ya que
puede salir
rojo o el cero.
$$\mu=p=0.485$$
$$\sigma=\sqrt{p\cdot q}=\sqrt{0.25}=0.5$$
\sum_{i}x_{i}
\end{equation*}
resulta que:
$$Y=\sum_{i}x_{i}\sim N(n\mu,\sigma\sqrt{n})$$
es decir:
Para doblar nuestro dinero el negro tiene que salir al menos 20 veces más que el rojo ( ya que 20 *
3=
60), por lo que tendrá que salir negro al menos 50 veces y por tanto el rojo o el cero saldrán como
máximo
30 veces).
Luego:
\\
Es decir, la probabilidad de doblar el dinero es tan sólo del 0,84 \% . Por tanto, lo mejor es no ir al
Casino,
pero si no puedes evitarlo no se te ocurra jugar a la ruleta y mucho menos apostar de modo
continuo al
negro.
Esta distribución de probabilidades es utilizada para situaciones donde los sucesos son
impredecibles o de ocurrencia
aleatoria.
\begin{itemize}
\item Sea A un suceso que tiene una probabilidad p de suceder durante un periodo de
tiempo, siendo esta probabilidad de ocurrencia durante un periodo de tiempo concreto muy
pequeña (se suele hablar de que tiende a 0).
\end{itemize}
\subsection{Ejercicio }
que acuden unas 5000 personas a ver la mascletà el día de San José, ¿cúal es la probabilidad de
que se
desmayen 25 personas?
solucion
\section{MODELO LOGIT}
La curva logística fue descrita por primera vez en un trabajo elaborado por Pierre
Francois Verhulst en 1845, dicho trabajo era una investigación matemática de las leyes que
de diversa índole.
cada uno de los grupos, debemos transformar la variable respuesta de algún modo para
$$p_i=F(\beta_0 + \beta_1'x_i)$$
garantizaremos que pi esté entre cero y uno si exigimos que F tenga esa propiedad
$$[Y_i/X_i]=p_i=\frac{1}{1+e^-(\beta_0+\beta_1^{'}{x_i})}$$
$$ 1-p_i=\frac{e^-(\beta_0+\beta_1^{'}{x_i})}{1+e^-(\beta_0+\beta_1^{'}{x_i})}$$
luego
$$g_i=log\frac{p_i}{1-p_i}=log\frac{\frac{1}{1+e^-(\beta_0+\beta_1^{'}{x_i})}}{\frac{e^-
(\beta_0+\beta_1^{'}{x_i})}{1+e^-(\beta_0+\beta_1^{'}{x_i})}}=log(\frac{1}{1+e^-
(\beta_0+\beta_1^{'}{x_i})})=\beta_0 + \beta_1'x_i$$
hacer esta transformación nos permite obtener un modelo lineal denominado logit .
La función que se suele utilizar con más frecuencia es una función monótonamente creciente o
(decreciente ) , en forma de S (o de S inertida)
\begin{figure}[h]
\centering
\caption{Modelo Logit}
\includegraphics[scale=1]{logic}
\end{figure}
\newpage
\begin{itemize}
\item Los ensayos son independientes
\item El experimento consiste de x ensayos repetidos hasta obtener un número fijo de éxitos, r.
\item Cada ensayo proporciona un resultado que puede clasificarse como éxito o fracaso.
\end{itemize}
\[
\]
\vspace{5mm}
\subsection{Ejercicios }
anteriores que un alumno tiene probabilidad 0.7 de contestar bien cada pregunta.
\[
\[
\subsection{Ejercicios }
Una máquina dedicada a la fabricación de piezas de alta precisión produce las piezas de una
en una, siendo independiente la fabricación de cada pieza. La probabilidad de fabricar una pieza
defectuosa es 0.15
calcular la probabilidad de que las ocho primeras piezas fabricadas sean todas buenas.
\begin{document}
\section{DISTRIBUCION BINOMIAL}
Una distribución binomial es una distribución de probabilidad discreta que describe el número de
éxitos al realizar n experimentos independientes entre sí, acerca de una variable aleatoria.
Para que una variable aleatoria se considere que sigue una distribución binomial, tiene que
cumplir las siguientes propiedades:
\begin{itemize}
\item En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito o fracaso)
\item La probabilidad del éxito ha de ser constante. Esta se representa mediante la letra p. La
probabilidad de que salga cara al lanzar una moneda es 0,5 y esta es constante dado que la
moneda no cambia en cada experimento y las probabilidades de sacar cara es constate.
\item La probabilidad de fracaso ha de ser también constate. Esta se representa mediante la
letra q = 1-p. Es importante fijarse que mediante esa ecuación, sabiendo p o sabiendo q, podemos
obtener la que nos falte.
\item El resultado obtenido en cada experimento es independiente del anterior. Por lo tanto lo
que ocurra en cada experimento no afecta a los siguientes.
\item Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al mismo
tiempo. No se puede ser hombre y mujer al mismo tiempo o que al lanzar una moneda salga cara y
cruz al mismo tiempo.
\item Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2 ha de ocurrir.
Si no se es hombre, se es mujer y si se lanza una moneda, si no sale cara ha de salir cruz.
\item La variable aleatoria que sigue una distribución binomial se suele representar como
X~(n,p). n representa el número de ensayos o experimentos y p la probabilidad de éxito.
\end{itemize}
\[
\]
\subsection{Ejercicio }
La última novela de un autor ha tenido un gran éxito, hasta el punto de que el 80 por ciento de los
lectores ya la han leido. Un grupo de 4 amigos son aficionados a la lectura.
\begin{itemize}
\[
B(4, 0.2)
\]
\[
p = 0.8
\]
\[
q = 0.2
\]
\[
\]
\[
\]
\[
P(x=2)= 0.1536
\]
\end{itemize}
\end{center}
\maketitle
\subsection{Ejercicio }
Solución:
\begin{center}
\begin{tabular}{|l|l|}
\hline
\hline \hline
\end{tabular}
\caption{Funcion de Probabilidad.}
\label{tabla:sencilla}
\end{center}
\end{table}
\begin{table}[htbp]
\begin{center}
\begin{tabular}{|l|l|}
\hline
\hline \hline
u=E(X)=np\\\hline
\end{tabular}
\caption{La media}
\label{tabla:sencilla}
\end{center}
\end{table}
\begin{table}[htbp]
\begin{center}
\begin{tabular}{|l|l|}
\hline
\hline \hline
u=Var(X)=npq\\\hline
\end{tabular}
\caption{La Varianza}
\label{tabla:sencilla}
\end{center}
\end{table}
\nocite{*}
\section{DISTRIBUCION LOGISTICA}
\subsection{Ejercicio }
\\
densidad
\begin{figure}[h]
\centering
\includegraphics[width=8cm]{logistoc.jpeg}
\end{figure}
0,12.
\\\begin{thebibliography}{X}
\bibitem{Refresión Logística}}
\textit{http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/DM/tema2dm.pdf}
\end{thebibliography}
\end{document}