Documente Academic
Documente Profesional
Documente Cultură
Trabajo final
2015-1
GRUPO 26
Temas
Anlisis estadstico de datos
mustrales
2. Fundamentos de la teora de la
probabilidad
3. Variables aleatorias
4. Modelos probabilsticos comunes
5. Variables aleatorias conjuntas
1.
1. ANLISIS ESTADSTICO
DE DATOS MUSTRALES
ESTADSTICA DESCRIPTIVA
ESTADSTICA INFERENCIAL
PROBABILIDAD Y ESTADSTICA
En esencia, la probabilidad es el vehculo que le
permite a la estadstica usar la informacin
contenida en una muestra para hacer inferencias o
para describir la poblacin de la cual se ha obtenido
la muestra.
Conceptos bsicos
Fenmeno
Fenmeno observable
Definicin de probabilidad
Es una disciplina que mide lo que no sabemos que va a pasar, es
decir es el estudio de la incertidumbre. Podemos estudiar stos
experimentos aleatorios cuando stos se comparan con los
fenmenos determinsticos.
Conceptos bsicos
Muestreo
Ejemplo:
Frecuencia Relativa
fi
FI *
n
Donde:
FI es la frecuencia de
ocurrencia del resultado
N el tamao de la muestra
HISTOGRAMA
POLGONO DE FRECUENCIAS
El polgono de frecuencias es una lnea quebrada que une los
puntos de interseccin de la abscisa que corresponde a la marca
de clase con la ordenada que puede ser la frecuencia o la
frecuencia relativa. El polgono se cierra con el eje horizontal al
iniciarlo en el lmite inferior del primer intervalo de clase y
concluirlo
en el lmite superior del ltima intervalo de clase.
Espacio muestral
*El
Experimento 2:
Evento
MEDIA
RESULTA AL EFECTUAR UN ASERIE DETERMINADA DE OPERACIONES CON
UN CONJUNTO DE NMEROS Y QUE, EN DETERMINADAS CONDICIONES
PUEDE REPRESENTAR POR SI SLO EL CONJUNTO
LA MEDIA SE CONFUNDE A VECES CON LA MEDIANA O MODA. LA MEDIDA
ARITMTICA ES EL PROMEDIO DE UN CONJUNTO DE VALORES, SU
DISTRIBUCIN; SIN EMBARGO, PARA LAS DISTRIBUCIONES CON SESGO, LA
MEDIA NO ES NECESARIAMENTE EL MISMO VALOR QUE LA MEDIANA O QUE
LA MODA. . LA MEDIA, MODA Y MEDIANA SON PARMETROS
CARACTERSTICOS DE UNA DISTRIBUCIN DE PROBABILIDAD. ES A VECES
UNA FORMA EL SESGO DE UNA DISTRIBUCIN TAL Y COMO SE PUEDE
HACER EN LAS DISTRIBUCIONES EXPONENCIALES Y DE POISSON.
LA MEDIA ARITMTICA ES UN PROMEDIO ESTNDAR QUE A MENUDO SE
DENOMINA PROMEDIO
MEDIANA
Ejemplo de Mediana:
Para calcular la mediana, ordena los nmeros que
te han dado segn su valor y encuentra el que
queda en el medio.
Mira estos nmeros:
3, 13, 7, 5, 21, 23, 39, 23, 40, 23, 14, 12, 56, 23, 29
Si los ordenamos queda:
3, 5, 7, 12, 13, 14, 21, 23, 23, 23, 23, 29, 39, 40, 56
Hay quince nmeros. El del medio es el octavo
nmero:
3, 5, 7, 12, 13, 14, 21, 23, 23, 23, 23, 29, 39, 40, 56
La mediana de este conjunto de valores es 23.
MODA:
La moda estadstica es el valor que ms se repite en un
grupo de nmeros.
Para averiguar la moda en un grupo de nmeros:
Ordena los nmeros segn su tamao.
Determina la cantidad de veces de cada valor numrico.
El valor numrico que ms se repite es la moda.
Puede haber ms de una moda cuando dos o ms
nmeros se repiten la misma cantidad de veces y adems
este es el mximo nmero de veces del conjunto.
No hay moda si ningn nmero se repite ms de una vez.
Ejemplo: La moda de 2, 4, 5, 5, 5, 7, 8, 8, 9, 12 es 5.
VARIANZA
La varianza (que es el cuadrado de la desviacin estndar:
2) se define as:
Es la media de las diferencias con la media elevadas al
cuadrado.
En otras palabras, hay que seguir estos pasos:
1. Calcula la media (el promedio de los nmeros)
2. Ahora, por cada nmero resta la media y eleva el
resultado al cuadrado (la diferencia elevada al cuadrado).
3. Ahora calcula la media de esas diferencias al cuadrado.
TEMA 2. FUNDAMENTOS DE
LA TEORA DE LA PROBABILIDAD
A
B
C
Tipos de eventos
*Evento simple: Se dice que un evento simple consiste
en exactamente un resultado, y compuesto consta de
ms de uno.
Teora de conjuntos
n de
dos eventos A y B denotada por y que se lee A unin B, es
vento que consiste en los resultados que estn ya sea en A o en B o en ambos e
ambos eventos.
erseccin de como dos eventos A y B que se denota y se lee A interseccin B,
l evento que consiste en los resultados que estn tanto en A como en B.
mplemento de un evento A, denotado por A , es el conjunto de todos los resulta
S
*Eventos No excluyentes: Se dice que A y B son No
mutuamente excluyentes si dependen uno del otro, es
decir si sucede A tambin B.
Mtodos de conteo
Permutaciones
Son
Combinaciones
-Ejemplo
2: Sea el conjunto
4C4
abc, abd, bcd, acd
ab, ac, ad, bc, bd, cd
a, b, c, d
Escuelas de la probabilidad
Dados un experimento y un espacio muestral S, el
objetivo de la probabilidad es asignar a cada evento
A, un nmero P(A), denominado probabilidad del
evento A, que dar una medida ms precisa de la
probabilidad de que ocurra el evento A.
La asignacin correcta o adecuada depende de la
manera cmo se realiza un
experimento, y tambin de la interpretacin que se
haga de la probabilidad, y sta se da a travs de
diferentes Clsica
escuelas:
Escuela
La probabilidad de un evento A que pertenece a un
espacio muestral S es igual a
n(s)=6
A n(A)=2
Escuela Subjetiva
Son estimaciones, conclusiones sobre asuntos
determinados, con base en la experiencia, el
conocimiento y la intuicin. Consulta a expertos.
Escuela Frecuentista
Escuela Axiomtica
AXIOMA 2
La probabilidad de S siempre es igual a 1
AXIOMA 3
Cuando los eventos A y B No son excluyentes
TEOREMA 2
TEOREMA 3
A partir del Axioma 1 y 2
Escuela Bayesiana
Para
Probabilidad Total
Se
Donde
Teorema de Bayes
Diagramas de rbol
En muchos problemas de conteo y probabilidad, se puede usar una
configuracin denominada diagrama de rbol para representar
en forma
grfica todas las posibilidades. Comenzando en un punto en el
lado izquierdo del diagrama, para cada posible primer elemento de
un par sale a la derecha del segmento de recta. Cada una de stas
lneas se conoce como rama de primera
Generacin. Ahora bien, para cualquier rama de primera
generacin, se construye otro segmento de recta que sale de la
punta de la rama para cada eleccin posible de un segundo
elemento del par.
Eventos Independientes
Quiere decir que la probabilidad de cada evento es
independiente entre s o sea que la probabilidad es la
misma para cada evento. Al considerar la probabilidad
condicional de algn evento A, dada la ocurrencia de
otro evento B, siempre se implica que las
probabilidades A y B son de alguna manera
independientes entre s. En otras palabras, la
informacin con respecto a la
ocurrencia de B no tiene ningn efecto sobre la
probabilidad de A.
Sistema
ste
concepto se usa mucho en resolucin de
Sistemas.
Conjunto de partes que interactan y
persiguen un propsito.
Sistema en serie
Sistema en paralelo
3. VARIABLES ALEATORIAS
Variable aleatoria
Densidad
Se denomina densidad discreta a la
probabilidad de que una variable
aleatoria discreta X tome un valor
numrico
determinado
(x).
Se
representa:
f(x) = P[X=x] La suma de todas las
densidades ser igual a 1
Funcin de probabilidad
1
0.8
0.6
0.4
0.2
0
fX(x)
0.5
1.5
fX(x)
0.5
1.5
2.5
Ejemplos
Funcin de densidad
Funcin de distribucin
variable discreta
Variable discreta
Variable continua
Valor esperado
Caractersticas numricas de
la variable aleatoria
1)
2)
3)
Las
caractersticas numricas
clasifican en tres:
Medidas de tendencia central
Medidas de dispersin
Parmetros de forma
se
Medidas de dispersin
1)
2)
3)
4)
5)
Rango
El rango es la medida de dispersin mas
simple.
Se define como la diferencia entre el
mayor valor que puede tomar la variable
y el menor valor que puede tomar.
Desviacin media
Variancia
Desviacin estndar
Coeficiente de variacin
coeficiente de variacin es lo que nos permite
evitar
estos
problemas,
pues
elimina
la
dimensionalidad de las variables y tiene en cuenta la
proporcin existente entre medias y desviacin
tpica. Se define del siguiente modo:
El
Basta
Parmetros de forma
Los parmetros de forma son:
1) Coeficiente de sesgo
2) Coeficiente de curtosis
Coeficiente de sesgo
Coeficiente de curtosis
Se denota por
TEMA 4. MODELOS
PROBABILSTICOS COMUNES
Conceptos bsicos
Variables aleatorias
Las variables aleatorias sirven para modelar, muchas
veces los problemas de inters coinciden en la forma en la
que se define la variable aleatoria , y con ellos su funcin
de probabilidad o densidad y estas coincidencias permiten
la formulacin de modelos.
Tipos de distribuciones
Distribuciones Discretas
Distribucin Uniforme
Es la ms simple de todas las
distribuciones, es aquella en la cual la v.a
asume cada uno de sus valores la misma
probabilidad.
Sea x una variable aleatoria que toma los
valores de , con igual probabilidad
k=numero
del
cul
depende
la
distribucin.
Media
Variancia
Distribucin de Bernoulli
Es el caso ms sencillo para modelar un
experimento. Tiene nicamente 2 resultados
posibles: xito, fracaso, con probabilidades p y q=1p respectivamente.
sea x la v.a que representa el nmero de xitos que
se obtiene al realizar el ensayo tambin a partir del
proceso de Bernoulli se pueden definir otras v.a
como
la binomial, geomtrica y la de pascal.
Media
Variancia
Distribucin Binomial
Si la v.a que representa al numero de xitos que se
observan al realizar el numero de xitos que se
observan al realizar un proceso de Bernoulli,
entonces x recibe el nombre de v.e binomial... nx
Media
Variancia
Distribucin Geomtrica
Sea x la variable aleatoria que representa el nmero
de ensayos de Bernoulli que se requieren para
observar por primera vez un xito, entonces x tiene
una distribucin geomtrica con parmetro p.
Media
Variancia
Distribucin Hipergeomtrica
Cuando se desea calcular la probabilidad de obtener x en n
ensayos, pero la probabilidad de cada ensayo no se
mantiene constante, sino que se ve modificada en funcin
de las extracciones anteriores, la distribucin binomial no
puede utilizarse. En estos casos se utiliza la distribucin
hipergeomtrica. la diferencia es que para la distribucin
binomial se considera que la poblacin es infinita(o finita
con el reemplazo), mientras que para la hipergeomtrica se
considera que la poblacin es finita de tamao n y en ella
existen
r elementos que satisfacen la caracterstica de
xito.
Media
Variancia
Distribucin de Pascal
Es una generalizacin de la distribucin geomtrica,
as mismo la distribucin binomial negativa es una
generalizacin de la de pascal, por lo que utilizan
simplemente el nombre de .binomial negativa.
sea x una v.a que representa el nmero de ensayos
de Bernoulli que se requieren para observar el rsimo xito, si en cada uno de los ensayos se tiene
una probabilidad de xito p, entonces x tiene una
distribucin
de pascal con parmetros r y p.
Media
Variancia
Distribucin de Poisson
Media
Variancia
Distribuciones Continuas
Distribucin de Uniforme
Es la ms simple de las distribuciones continuas
de probabilidad. tienen la misma probabilidad .
sea x una v.a que se distribuye:
Media
Variancia
Distribucin Exponencial
Dentro de un proceso de Poisson, considrese la v.a
t, que representa el tiempo que transcurre entre 2
ocurrencias sucesivas de un evento, lo cual llevar a
la distribucin exponencial.
Media
Variancia
Distribucin Normal
Fue descubierta por Demovie en 1733 como una
forma lmite de la distribucin binomial, despus
del estudio de la place, aproximadamente en el
ao 1775 y a veces se le conoce como gaussiana
debido a que Gauss la cit en un artculo en
1809.
Media
Variancia
Media
Variancia
De que trata?
Definicin
Discretas
Continuas
Si
Grafica de la funcin de
probabilidad conjunta
Caractersticas
Funcin de probabilidad:
marginal y condicional
marginales
Funcin de
probabilidad marginal
de X( de X al margen
de Y)
Funcin de
probabilidad
marginal de Y( de Y
al margen de X)
condicionales
Definicin:
Funcin de distribucin
conjunta
Proporciona el comportamiento
acumulado conjunto de una serie de
variables aleatorias.
Propiedades
k
Independencia de variables
aleatorias conjuntas
Se puede observar que el conocimiento sobre
el valor de una de las variables aleatorias
puede
modificar
el
comportamiento
probabilstico de la otra variables, esto solo
sucede si las variables conjuntas son
dependientes.
Propiedades
Si
x e y son 2 variables aleatorias conjuntas y
se conoce con certeza el valor que tomar X,
el mejor pronstico que se puede realizar del
valor que tomar Y es el valor esperado,
calculado desde luego a partir de la
distribucin condicional correspondiente, por
lo tanto, si se sabe que el valor pronosticado
para que se denota por es:
Definicin
La curva de regresin
La curva de regresin de y dado x, es el lugar geomtrico de
los valores esperados de las distribuciones condicionales de
y, su ecuacin es :
Medidas de dispersin
Coeficiente de correlacin
Propiedades
s
REFERENCIAS
http://www.dcb.unam.mx/users/angellbs/
https://educafi.fi-a.unam.mx/EducafiCB/course/view.php?id=176
http://cozumel.fi-a.unam.mx/~pinilla/