PDF superior Distribuciones de probabilidad Pág : 2

Distribuciones de probabilidad Pág : 2

Distribuciones de probabilidad Pág : 2

Ya dijimos que para distribuciones de tipo discreto, la suma de todos los valores de la probabilidad debía ser 1. Para el caso de las distribuciones de tipo contínuo esta condición se transforma en que el área total bajo la curva ha de ser 1. La clave de este tipo de distribuciones está en que existe una correspondencia entre área y probabilidad, de forma que la probabilidad de que la variable esté entre dos valores a y b es exactamente el área marcada en la figura 3. Hemos de aclarar que puesto que en una distribución contínua existen infinitos valores la probabilidad de cada uno de ellos ha de ser necesariamente nula o lo que es lo mismo, el área bajo un determinado punto es nula. (veremos más adelante como solventar este problema),
Mostrar más

13 Lee mas

Tema 2   Distribuciones de masas pdf

Tema 2 Distribuciones de masas pdf

29. Dos masas iguales, M = 20 kg, ocupan posiciones fijas separadas por una distancia de 2 m, según indica la figura. Una tercera masa, m'= 0,2 kg, se suelta desde el reposo en el punto A, equidistante de las dos masas anteriores y a una distancia de 1 m de la línea que las une ( ̅̅̅̅ = 1 m). Si no actúan más que las acciones gravitatorias de las masas, determina:

10 Lee mas

2 Variables Aleatorias y Distribuciones de Probabilidad

2 Variables Aleatorias y Distribuciones de Probabilidad

1. El abdomen del cangrejo de mar común (Carcinus moenas) está integrado por siete segmen- tos dispuestos paralelamente. En los machos se suelen apreciar fusiones entre los segmentos 3, 4 y 5. Se considera la variable aleatoria X =”Número de segmentos fusionados”. Esta va- riable puede tomar los valores 0 (ninguna fusión), 1 (se fusionan los segmentos 3 y 4, ó el 4 y 5), y 2 (se fusionan los tres segmentos entre sí). A través de diversas consideraciones sobre la genética de esta población de cangrejos, se llega a la conclusión de que las probabilidades asociadas a esta variable son de la forma:
Mostrar más

14 Lee mas

PARTE PRIMERA: DISTRIBUCIONES DE PROBABILIDAD

PARTE PRIMERA: DISTRIBUCIONES DE PROBABILIDAD

En la tabla 1 se muestra un tipo posible de tabla de la N(0,1). En esta tabla se nos da la probabilidad de que la variable tome valores en el intervalo (0,z). La forma de usarla es la siguiente. Sea z=1.25, la probabilidad de que a variable tome valores en el intervalo (0,1.25) es igual a 0.3944. La obtención de esta probabilidad es inmediata. En la primera columna buscamos la parte entera de z y el primer decimal, es decir, en nuestro caso buscamos 1.2, y en la primera fila buscamos las centenas de z, es decir, el 0.05. El punto de corte de la fila que empieza con 1.2 y la columna que comienza con 0.05 nos da la probabilidad de que la variable N(0,1) tome valores entre 0 y 1.25.
Mostrar más

56 Lee mas

Leyes Empíricas de Potencia y Escalamiento de Quito, Guayaquil y otras ciudades de Ecuador

Leyes Empíricas de Potencia y Escalamiento de Quito, Guayaquil y otras ciudades de Ecuador

Numerosos trabajos han mostrado que las distribuciones de probabilidad caracterizadas por la media y varianza resultan inadecuadas para expresar regularidades asociadas a variables de tipo geográfico o espacial. Esto se debe a que los datos no se aglomeran alrededor de un valor central; más bien, las colas se vuelven pesadas y los eventos extremos resultan ser menos improbables que a partir de otras distribuciones. Bajo esta consideración, el presente trabajo apunta a encontrar leyes empíricas sobre algunas variables relevantes de ciudades de Ecuador. Para ello, se parte de dos hipótesis: 1) ciertas variables socioeconómicas se escalan a través de una variable de tamaño y 2) dichas variables se distribuyen bajo una ley potencia; se estiman los parámetros requeridos y se contrastan otras distribuciones de cola pesada que ajusten adecuadamente los datos escogidos.
Mostrar más

18 Lee mas

EJERCICIOS DE DISTRIBUCIONES DE PROBABILIDAD CONTINUAS

EJERCICIOS DE DISTRIBUCIONES DE PROBABILIDAD CONTINUAS

18.- Una pequeña ciudad es abastecida de agua cada 2 días; el consumo en volumen de agua para esta pequeña localidad tiene una distribución normal con media 20000 litros y desviación típica de 1000 litros (se entiende el consumo cada 2 días). Se trata de hallar la capacidad de su tanque de agua para que sea de sólo 0.01, la probabilidad que en un período de 2 días el agua no sea suficiente para satisfacer toda la demanda.

12 Lee mas

Distribuciones de probabilidad de variable discreta

Distribuciones de probabilidad de variable discreta

19 Recuerda cuáles son las puntuaciones de las 28 ichas de un dominó. Si en cada una de ellas sumamos los puntos de sus dos mitades, obtenemos las posibles sumas 0, 1, 2, …, 10, 11 y 12 con probabilidades distintas. Haz la tabla con la distribución de probabilidades y calcula µ y σ.

29 Lee mas

Distribuciones de probabilidad de variable discreta

Distribuciones de probabilidad de variable discreta

19 Recuerda cuáles son las puntuaciones de las 28 fichas de un dominó. Si en cada una de ellas sumamos los puntos de sus dos mitades, obtenemos las posibles sumas 0, 1, 2, …, 10, 11 y 12 con probabilidades distintas. Haz la tabla con la distribución de probabilidades y calcula µ y σ.

29 Lee mas

Inferencia estadística: probabilidad, variables aleatorias y distribuciones de probabilidad

Inferencia estadística: probabilidad, variables aleatorias y distribuciones de probabilidad

Cuando no disponíamos de los paquetes informáticos actua- les, el cálculo de estos valores precisaba de la estandarización previa, ya que habitualmente solo teníamos las tablas de valo- res correspondientes a la distribución normal estandarizada N(0,1). Con los programas actuales este paso ya no es nece- sario. Sin embargo, nuestro conocimiento de las característi- cas de la distribución normal hace más fácil comprender, sin necesidad de cálculos, si nos encontramos ante sucesos con menor o mayor probabilidad de ocurrir. Volviendo al ejemplo anterior, no es fácil hacerse una idea de la probabilidad de que un recién nacido mida menos de 45 cm, aun conociendo la media y la desviación típica. Sin embargo, en una distribución normal estandarizada es más fácil comprender que la proba- bilidad de estar por debajo de -2,5 desviaciones estándar es muy baja. Otro ejemplo de la utilidad de esta distribución de
Mostrar más

6 Lee mas

EJERCICIOS DE DISTRIBUCIONES DE PROBABILIDAD DISCRETA

EJERCICIOS DE DISTRIBUCIONES DE PROBABILIDAD DISCRETA

20.- Los autores y editores de libros trabajan mucho para reducir al mínimo la cantidad de errores en un libro. Sin embargo, algunos errores son inevitables. El Señor J.A. Carmen, editor de libros de estadística, informa que el promedio de errores por capitulo es de 0,8 ¿cuál es la probabilidad de que se comentan menos de 2 errores en determinado capitulo?

14 Lee mas

Casos de Estudio de Distribuciones de Probabilidad para Turismo

Casos de Estudio de Distribuciones de Probabilidad para Turismo

El enfoque de estos casos de estudio es aplicado, teniendo como objetivo comple- mentar desde una perspectiva pr´ actica, el estudio de estas disciplinas en grado o posgrado. Los elementos conceptuales correspondientes a estos casos pueden consultar, entre otros, en [1]. Para una aplicaci´ on de m´ etodos multivariantes complementaria, se puede acudir a [2].

16 Lee mas

Desarrollar una comprensión de los conceptos básicos de probabilidad que son la base necesaria para el estudio de distribuciones de probabilidad e inferencia estadística los cuales son base en la toma de decisiones

Desarrollar una comprensión de los conceptos básicos de probabilidad que son la base necesaria para el estudio de distribuciones de probabilidad e inferencia estadística los cuales son base en la toma de decisiones

Una compañía dedicada al transporte público explota tres líneas de una ciudad, de forma que el 60% de los autobuses cubre el servicio de la primera línea, el 30% cubre la segunda y el 10% cubre el servicio de la tercera línea. Se sabe que la probabilidad de que, diariamente, un autobús se averíe es del 2%, 4% y 1%, respectivamente, para cada línea. Determine la probabilidad de que, en un día, un autobús sufra una avería.

20 Lee mas

Ejercicios de Distribuciones de probabilidad

Ejercicios de Distribuciones de probabilidad

28. Una máquina fabrica tornillos cuyas longitudes se distribuyen normalmente con media 20 mm y varianza 0.25 mm. Un tornillo se considera defectuoso si su longitud difiere de la media más de 1 mm. Los tornillos se fabrican de forma independiente. ¿Cuál es la probabilidad de fabricar un tornillo defectuoso? Si los envasamos en envases de 15 tornillos, probabilidad de que en un envase no tenga más de 2 defectuosos.

5 Lee mas

OGICA DE LA MIXTECA “PROCESOS DE RIESGO CON RECLAMOS DE COLA PESADA”

OGICA DE LA MIXTECA “PROCESOS DE RIESGO CON RECLAMOS DE COLA PESADA”

El an´ alisis de riesgo en el sentido amplio implica cualquier m´ etodo, cualitativo o cuan- titativo, para evaluar el impacto del riesgo en la toma de decisiones. Existen numerosas t´ ecnicas al respecto, y el objetivo es ayudar a quien debe tomar una decisi´ on a seleccionar un curso de acci´ on, una vez que se comprenden mejor los resultados posibles. Una vez que se reconoce una situaci´ on riesgosa, el paso siguiente es cuantificar el riesgo que involucra esa situaci´ on de incertidumbre. Cuantificar el riesgo significa determinar todos los valores posibles que una variable riesgosa puede tomar y determinar la probabilidad relativa de cada uno de esos valores.
Mostrar más

73 Lee mas

Programa Probabilidad y Estadística

Programa Probabilidad y Estadística

Distribuciones de probabilidad de variables aleatorias discretas y continuas: selección de la distribución adecuada, aplicación de propiedades, cálculo de probabilidades.. Di[r]

7 Lee mas

2  Nociones básicas de probabilidad

2 Nociones básicas de probabilidad

1. Se trata de probar que P ∪(Q∩R) = (P ∪Q) ∩(P ∪R). Ahora Q∩R = {CCX, CXX} y P ∪ (Q∩R) = {CCX, CXX, XCC}. Por otra parte, P ∪Q = {CCX, CXX, XCC, CCC, XXX } y P ∪R = {CCX, CXX, XCC, XCX }, con lo que (P ∪Q)∩(P∪R) = {CCX, CXX, XCC }. 2. Se trata ahora de comprobar que (P ∩ Q) c = P c ∪ Q c . Pero P ∩ Q = {CCX, CXX } y

7 Lee mas

Vol. 10, núm. 6 (2019)

Vol. 10, núm. 6 (2019)

probabilidades (FDP) o modelo probabilístico del cual es probable que procedan los datos; (3) estimación de los parámetros de ajuste de la FDP; (4) cálculo de las predicciones o valores asociados con cierta probabilidad de no excedencia y que se realiza con base en la FDP probaba, y (5) selección de resultados, donde se busca de manera objetiva el mejor ajuste logrado con cada FDP y método de estimación de sus parámetros (Kite, 1977; Stedinger, Vogel, & Foufoula-Georgiou, 1993; Rao & Hamed, 2000; Meylan, Favre & Musy, 2012; Salas, Obeysekera & Vogel, 2018).
Mostrar más

33 Lee mas

DISTRIBUCIONES DE PROBABILIDAD.pdf

DISTRIBUCIONES DE PROBABILIDAD.pdf

Las distribuciones de probabilidad son idealizaciones teóricas de las distribuciones de frecuencias relativas, que se obtienen empíricamente (experimentando u observando). Cuando la variable es discreta, unas y otras se representan mediante diagramas de barras.

8 Lee mas

Vol. 1, núm. 4 (2010)

Vol. 1, núm. 4 (2010)

por año (Marengo, 1996). En muchos casos, este enfoque directo no es práctico, porque (a) el tamaño de la muestra es demasiado pequeño para ser estadísticamente confiable, especialmente para la baja probabilidad de consecuencia de eventos; (b) la muestra puede no ser representativo de la estructura o de la población, o de grupos específicos de la misma; y (c) las condiciones físicas de la presa pueden ser no estacionarias, es decir, que varían con respecto al tiempo. El riesgo promedio de falla de presa antes mencionado sólo considera los casos de falla totales y no distingue presas viejas de nuevas presas, en las que las prácticas de seguridad reducirán seguramente el riesgo de falla; tampoco distingue el tipo de falla que se está analizando.
Mostrar más

31 Lee mas

Desarrollo de un gemelo virtual energético para una central hortofrutícola que participa en un "cluster" de gestión energética colaborativa

Desarrollo de un gemelo virtual energético para una central hortofrutícola que participa en un "cluster" de gestión energética colaborativa

Gran parte de las medidas para la mejora de la eficiencia energética que se están aplicando en la industria y, en particular, en las industrias agroalimentarias se basan en sustituir la maquinaria y los equipos que se emplean para la producción y la conservación de los productos o los sistemas de iluminación y climatización por maquinaria, equipos y sistemas más eficientes energéticamente. Se trata de decisiones de inversión que han de ser evaluadas financieramente, siendo el plazo de recuperación de la inversión (pay-back), el parámetro de la inversión que se suele utilizar para la toma de decisiones. Estas decisiones se suelen tomar asumiendo un ambiente de incertidumbre para la toma de decisiones, en el que se supone en el que las mejoras en la eficiencia energética que se van a obtener son conocidas con certeza. La eficiencia energética se suele medir mediante ratios entre la producción (el output) y el consumo energético para alcanzar esa producción (el input). Pero tanto a nivel de equipos como a nivel de línea de producción o de planta, este output y este input tienen una variación inherente. Podemos estudiar cuál es su distribución de probabilidad y aplicar técnicas de simulación para evaluar estas decisiones de inversión en un ambiente de riesgo para la toma de decisiones. Cuanto más fiable sea la información que utilizamos para construir estos modelos de evaluación, más realistas van a ser sus resultados y las decisiones adoptadas se adaptarán mejor al entorno específico en el que se van a implantar (Galvão et al., 2018).
Mostrar más

87 Lee mas

Show all 10000 documents...