Este documento resume el uso de R en probabilidad y estadística. Explica que R es un software estadístico gratuito y de código abierto que permite simular experimentos probabilísticos y asignar probabilidades sin necesidad de repetir físicamente el experimento. Luego presenta un ejemplo del experimento de Pascal sobre extraer canicas de una bolsa para ilustrar cómo R puede utilizarse para calcular la probabilidad de diferentes resultados.
Ruby es un lenguaje de programación interpretadoYulgrecia2011
Ruby es un lenguaje de programación interpretado, orientado a objetos y multiparadigma creado por Yukihiro Matsumoto en 1993. Combina características de lenguajes como Python, Perl, Smalltalk y Lisp. Todo en Ruby es un objeto y soporta programación procedural, orientada a objetos y funcional. Su creador diseñó Ruby para ser divertido de usar y minimizar la sorpresa de los desarrolladores.
Este documento describe el lenguaje de programación R, desarrollado originalmente en 1993 en la Universidad de Auckland para análisis estadístico y gráfico. R provee herramientas para cálculos numéricos, minería de datos, y generación de gráficos de alta calidad. Es un lenguaje interpretado que se puede usar por línea de comandos o consola para funciones como imprimir texto, sumar números, calcular la media y varianza de datos, y generar gráficos.
Ruby es un lenguaje de programación interpretadoYulgrecia2011
Ruby es un lenguaje de programación interpretado, orientado a objetos y multiparadigma creado por Yukihiro Matsumoto en 1993. Combina características de lenguajes como Python, Perl, Smalltalk y Lisp. Todo en Ruby es un objeto y soporta programación procedural, orientada a objetos y funcional. Su creador diseñó Ruby para ser divertido de usar y minimizar la sorpresa de los desarrolladores.
Este documento describe el lenguaje de programación R, desarrollado originalmente en 1993 en la Universidad de Auckland para análisis estadístico y gráfico. R provee herramientas para cálculos numéricos, minería de datos, y generación de gráficos de alta calidad. Es un lenguaje interpretado que se puede usar por línea de comandos o consola para funciones como imprimir texto, sumar números, calcular la media y varianza de datos, y generar gráficos.
Introduction to R by David Lucy Cap 12-16Luis Pons
R es un lenguaje muy usado para crear modelos matemáticos a partir de datos. El comando lm en R se usa para crear modelos lineales y buscar regresión lineal. Los modelos lineales en R se crean con la función lm, la cual puede usarse para análisis de varianza u otros análisis. Los modelos lineales se basan en supuestos como la normalidad de los errores y varianza constante.
Este documento describe ecuaciones diferenciales ordinarias de variable separable. Explica cómo separar las variables en una ecuación diferencial de primer orden y primer grado, y cómo integrarla para obtener la solución primitiva. Resuelve un ejemplo numérico y muestra cómo usar el software Derive 6.10 para hallar la solución de una ecuación diferencial de variable separable.
Este documento describe cómo generar resúmenes estadísticos de datos aleatorios provenientes de distribuciones normales estándar y no estándar. Explica que aproximadamente menos del 1% de las observaciones de una distribución normal estándar estarán fuera de los bigotes en un gráfico de caja y bigotes. También muestra cómo calcular la pendiente e intersección de una línea de regresión entre cuartiles de distribuciones normales, cuyos valores son igual a la media y desviación estándar de la distribución no estándar, respectivamente
An introduction to structural equation models in R using the Lavaan packageNoam Ross
This document provides an introduction to structural equation models (SEMs) using Lavaan. It includes links to basic SEM tutorials and outlines reasons to use SEMs, such as testing complex hypotheses involving direct and indirect interactions between multiple predictor and response variables. The document discusses sample size recommendations, including needing at least 5-20 samples per estimated parameter. It also describes specifying direct and indirect pathways between latent and observed variables in SEM models and interpreting SEM output, including using modification indices to identify potential missing links when model fit is poor.
Actualmente existen numerosos programas de cálculo simbólico: Macsyma, Reduce, Mathematica, Maple, Axiom, Form, GNU-Calc, Derive,... DERIVE es un software con muchas ventajas y que es ampliamente utilizado en universidades por varios motivos fundamentales:
1. La facilidad de su aprendizaje: no necesita muchos conocimientos previos de informática, y se puede aprender a utilizar en un corto espacio de tiempo, sin necesidad de invertir muchas horas en la lectura del manual.
2. La sencillez de su entorno de trabajo, ya que permite ejecutar los comandos vía menú, o a través de la edición de los mismos por pantalla.
Este documento son unos apuntes para aprender a usar DERIVE que tiene los siguientes contenidos:
MODULO 1 (Introducción al programa)
1. Introducción al programa DERIVE, principales comandos.
2.Operaciones algebraicas básicas.
MODULO 2. (Matemáticas I).
3. Comandos básicos para el cálculo diferencial.
4. Análisis de Funciones de una variable.
5. Análisis de funciones de varias variables.
6. Cálculo Integral.
MODULO 3 (Matemáticas II)
7. Principales comandos para el álgebra lineal.
8. Espacios vectoriales y aplicaciones lineales.
9. Sistemas de ecuaciones lineales.
10. Diagonalización.
11. Formas cuadráticas.
1) O documento introduz a linguagem R, abordando sua história, instalação, editores de texto, manipulação de objetos, entrada e saída de dados, e distribuições de probabilidade.
2) São apresentados conceitos sobre modos e atributos de objetos no R, como vetores, matrizes, listas e data frames.
3) O documento também explica a importação e exportação de dados, e como gerar gráficos e saídas em diferentes formatos a partir do R.
El documento presenta el programa R como una alternativa para la recopilación y manipulación de datos estadísticos. R es un software de análisis estadístico y gráfico desarrollado en 1993 que almacena y manipula datos efectivamente, contiene herramientas para análisis de datos y genera varias gráficas. El documento también incluye ejemplos de gráficas, evaluación de las ventajas y desventajas de R, y un caso analizado de depósitos en cajeros automáticos.
El documento describe un congreso de aprendizaje basado en problemas y servicio que se llevará a cabo en 2010. Los estudiantes formarán equipos para desarrollar propuestas de innovación tecnológica que aborden problemas relacionados con procesos productivos, energías o desarrollo sustentable. El congreso consta de tres fases - planeación, activación y resultados - que culminarán con la presentación de los proyectos. Los equipos contarán con asesoría a lo largo del proceso.
Este documento presenta una práctica de laboratorio sobre integrales de línea y análisis de campos vectoriales utilizando Mathematica. La práctica incluye 4 casos que involucran la representación gráfica de campos vectoriales, el cálculo de flujo y circulación a través de un círculo, y el uso de comandos como VectorPlot, NIntegrate y Dot. El objetivo es desarrollar habilidades para resolver integrales de línea mediante la modelación matemática de funciones y campos vectoriales.
Este documento presenta varios teoremas y propiedades de la transformada de Laplace, incluidos los teoremas de traslación, derivadas, potencia, producto y otros. Explica cómo usar la transformada de Laplace para resolver ecuaciones diferenciales, incluido un ejemplo de resolver una ecuación diferencial de calor utilizando este método.
Este documento presenta varios teoremas y propiedades de la transformada de Laplace, incluidos los teoremas de traslación, derivadas, potencia, producto y otros. Explica cómo usar la transformada de Laplace para resolver ecuaciones diferenciales, incluido un ejemplo de resolver una ecuación diferencial de orden uno modelando el enfriamiento de un pastel.
Este documento presenta una práctica de laboratorio sobre sucesiones y series matemáticas. Incluye instrucciones para descargar una plantilla de Mathematica con figuras geométricas que ilustran sumas, analizar dichas figuras y concluir que desaparecen en un proceso infinito. También incluye ver un video sobre la sucesión de Fibonacci, escribir código para definirla y resolver un límite relacionado con ella.
Este documento presenta una práctica de laboratorio sobre máximos y mínimos. El objetivo es analizar casos ilustrados utilizando Mathematica. El primer caso analiza cómo maximizar el ángulo de visión de una pintura variando la posición del observador. Se proporcionan instrucciones para descargar una simulación, definir parámetros como el ancho y altura de la pintura, derivar la función del ángulo, y resolver la ecuación para encontrar la distancia óptima que maximiza el ángulo de visión.
Este documento presenta un análisis matemático de funciones de varias variables a través del cálculo de derivadas direccionales y el uso de multiplicadores de Lagrange. Se analizan funciones como un paraboloide y una silla de montar para encontrar la magnitud y dirección del gradiente en diferentes puntos. También, se estudia una función paraboloide sujeta a una restricción cilíndrica para encontrar sus máximos y mínimos usando multiplicadores de Lagrange.
Este documento presenta un análisis matemático de la difracción de la luz al pasar a través de una rendija. Describe una función que modela la intensidad de la luz difractada en función del ángulo de observación, y analiza el comportamiento de esta función en el punto θ = 0 a través de gráficas y límites. Aunque la función parece discontinua en θ = 0, el análisis de los límites laterales muestra que es continua, resolviendo aparente contradicción entre la expresión analítica y los resultados experimentales.
Este documento presenta un análisis matemático de la intensidad de la radiación en función del ángulo de observación para un experimento de difracción de rayos láser a través de una rendija. Describe la función que modela esta relación e incluye gráficos de la función. El objetivo es determinar la continuidad de la función en θ=0 evaluando los límites laterales izquierdo y derecho en ese punto.
Introduction to R by David Lucy Cap 12-16Luis Pons
R es un lenguaje muy usado para crear modelos matemáticos a partir de datos. El comando lm en R se usa para crear modelos lineales y buscar regresión lineal. Los modelos lineales en R se crean con la función lm, la cual puede usarse para análisis de varianza u otros análisis. Los modelos lineales se basan en supuestos como la normalidad de los errores y varianza constante.
Este documento describe ecuaciones diferenciales ordinarias de variable separable. Explica cómo separar las variables en una ecuación diferencial de primer orden y primer grado, y cómo integrarla para obtener la solución primitiva. Resuelve un ejemplo numérico y muestra cómo usar el software Derive 6.10 para hallar la solución de una ecuación diferencial de variable separable.
Este documento describe cómo generar resúmenes estadísticos de datos aleatorios provenientes de distribuciones normales estándar y no estándar. Explica que aproximadamente menos del 1% de las observaciones de una distribución normal estándar estarán fuera de los bigotes en un gráfico de caja y bigotes. También muestra cómo calcular la pendiente e intersección de una línea de regresión entre cuartiles de distribuciones normales, cuyos valores son igual a la media y desviación estándar de la distribución no estándar, respectivamente
An introduction to structural equation models in R using the Lavaan packageNoam Ross
This document provides an introduction to structural equation models (SEMs) using Lavaan. It includes links to basic SEM tutorials and outlines reasons to use SEMs, such as testing complex hypotheses involving direct and indirect interactions between multiple predictor and response variables. The document discusses sample size recommendations, including needing at least 5-20 samples per estimated parameter. It also describes specifying direct and indirect pathways between latent and observed variables in SEM models and interpreting SEM output, including using modification indices to identify potential missing links when model fit is poor.
Actualmente existen numerosos programas de cálculo simbólico: Macsyma, Reduce, Mathematica, Maple, Axiom, Form, GNU-Calc, Derive,... DERIVE es un software con muchas ventajas y que es ampliamente utilizado en universidades por varios motivos fundamentales:
1. La facilidad de su aprendizaje: no necesita muchos conocimientos previos de informática, y se puede aprender a utilizar en un corto espacio de tiempo, sin necesidad de invertir muchas horas en la lectura del manual.
2. La sencillez de su entorno de trabajo, ya que permite ejecutar los comandos vía menú, o a través de la edición de los mismos por pantalla.
Este documento son unos apuntes para aprender a usar DERIVE que tiene los siguientes contenidos:
MODULO 1 (Introducción al programa)
1. Introducción al programa DERIVE, principales comandos.
2.Operaciones algebraicas básicas.
MODULO 2. (Matemáticas I).
3. Comandos básicos para el cálculo diferencial.
4. Análisis de Funciones de una variable.
5. Análisis de funciones de varias variables.
6. Cálculo Integral.
MODULO 3 (Matemáticas II)
7. Principales comandos para el álgebra lineal.
8. Espacios vectoriales y aplicaciones lineales.
9. Sistemas de ecuaciones lineales.
10. Diagonalización.
11. Formas cuadráticas.
1) O documento introduz a linguagem R, abordando sua história, instalação, editores de texto, manipulação de objetos, entrada e saída de dados, e distribuições de probabilidade.
2) São apresentados conceitos sobre modos e atributos de objetos no R, como vetores, matrizes, listas e data frames.
3) O documento também explica a importação e exportação de dados, e como gerar gráficos e saídas em diferentes formatos a partir do R.
El documento presenta el programa R como una alternativa para la recopilación y manipulación de datos estadísticos. R es un software de análisis estadístico y gráfico desarrollado en 1993 que almacena y manipula datos efectivamente, contiene herramientas para análisis de datos y genera varias gráficas. El documento también incluye ejemplos de gráficas, evaluación de las ventajas y desventajas de R, y un caso analizado de depósitos en cajeros automáticos.
El documento describe un congreso de aprendizaje basado en problemas y servicio que se llevará a cabo en 2010. Los estudiantes formarán equipos para desarrollar propuestas de innovación tecnológica que aborden problemas relacionados con procesos productivos, energías o desarrollo sustentable. El congreso consta de tres fases - planeación, activación y resultados - que culminarán con la presentación de los proyectos. Los equipos contarán con asesoría a lo largo del proceso.
Este documento presenta una práctica de laboratorio sobre integrales de línea y análisis de campos vectoriales utilizando Mathematica. La práctica incluye 4 casos que involucran la representación gráfica de campos vectoriales, el cálculo de flujo y circulación a través de un círculo, y el uso de comandos como VectorPlot, NIntegrate y Dot. El objetivo es desarrollar habilidades para resolver integrales de línea mediante la modelación matemática de funciones y campos vectoriales.
Este documento presenta varios teoremas y propiedades de la transformada de Laplace, incluidos los teoremas de traslación, derivadas, potencia, producto y otros. Explica cómo usar la transformada de Laplace para resolver ecuaciones diferenciales, incluido un ejemplo de resolver una ecuación diferencial de calor utilizando este método.
Este documento presenta varios teoremas y propiedades de la transformada de Laplace, incluidos los teoremas de traslación, derivadas, potencia, producto y otros. Explica cómo usar la transformada de Laplace para resolver ecuaciones diferenciales, incluido un ejemplo de resolver una ecuación diferencial de orden uno modelando el enfriamiento de un pastel.
Este documento presenta una práctica de laboratorio sobre sucesiones y series matemáticas. Incluye instrucciones para descargar una plantilla de Mathematica con figuras geométricas que ilustran sumas, analizar dichas figuras y concluir que desaparecen en un proceso infinito. También incluye ver un video sobre la sucesión de Fibonacci, escribir código para definirla y resolver un límite relacionado con ella.
Este documento presenta una práctica de laboratorio sobre máximos y mínimos. El objetivo es analizar casos ilustrados utilizando Mathematica. El primer caso analiza cómo maximizar el ángulo de visión de una pintura variando la posición del observador. Se proporcionan instrucciones para descargar una simulación, definir parámetros como el ancho y altura de la pintura, derivar la función del ángulo, y resolver la ecuación para encontrar la distancia óptima que maximiza el ángulo de visión.
Este documento presenta un análisis matemático de funciones de varias variables a través del cálculo de derivadas direccionales y el uso de multiplicadores de Lagrange. Se analizan funciones como un paraboloide y una silla de montar para encontrar la magnitud y dirección del gradiente en diferentes puntos. También, se estudia una función paraboloide sujeta a una restricción cilíndrica para encontrar sus máximos y mínimos usando multiplicadores de Lagrange.
Este documento presenta un análisis matemático de la difracción de la luz al pasar a través de una rendija. Describe una función que modela la intensidad de la luz difractada en función del ángulo de observación, y analiza el comportamiento de esta función en el punto θ = 0 a través de gráficas y límites. Aunque la función parece discontinua en θ = 0, el análisis de los límites laterales muestra que es continua, resolviendo aparente contradicción entre la expresión analítica y los resultados experimentales.
Este documento presenta un análisis matemático de la intensidad de la radiación en función del ángulo de observación para un experimento de difracción de rayos láser a través de una rendija. Describe la función que modela esta relación e incluye gráficos de la función. El objetivo es determinar la continuidad de la función en θ=0 evaluando los límites laterales izquierdo y derecho en ese punto.
Este documento presenta información sobre matrices en Mathematica. Explica cómo definir matrices, trabajar con subíndices, extraer elementos, calcular la transpuesta, inversa y determinante de una matriz, así como realizar operaciones básicas como suma y multiplicación de matrices. También cubre temas como potencias de matrices, norma y producto punto de vectores, y resolución de sistemas de ecuaciones lineales mediante matrices.
Este documento presenta una práctica de modelado de funciones 3D y derivadas para un curso de matemáticas. La práctica incluye tareas como encontrar trazas de superficies, ecuaciones paramétricas de rectas, ecuaciones de planos, derivadas parciales y derivadas de funciones. El estudiante debe completar estas tareas utilizando comandos de Mathematica como Plot, Plot3D, ContourPlot3D, Sphere y D para modelar funciones y calcular derivadas.
Este documento presenta un ejercicio de modelado de funciones para determinar el tiempo necesario para que la temperatura de una sopa baje a 15°C usando la función de enfriamiento de Newton. Se pide al estudiante que use comandos de Mathematica como Table, Plot y ListPlot para modelar el enfriamiento de la sopa, determinar la constante de enfriamiento k, y graficar la temperatura contra el tiempo para responder cuánto tiempo debe esperar Gerardo para comer la sopa.
Este documento presenta un ejercicio de modelado de funciones para determinar el tiempo necesario para que la temperatura de una sopa baje a 15°C usando la función de enfriamiento de Newton. Inicialmente la sopa estaba a 55°C y después de 2 minutos en hielo bajó a 30°C. El estudiante debe calcular la constante de enfriamiento k, graficar la función, y determinar el tiempo requerido para que la sopa alcance los 15°C. Adicionalmente, se piden respuestas sobre el comportamiento a largo plazo de la temper
Este documento presenta una práctica sobre el uso de Mathematica y WolframAlpha. Introduce Mathematica como una herramienta para modelar, simular y desarrollar en ciencia e ingeniería, y a WolframAlpha como un buscador que calcula respuestas usando algoritmos heurísticos en lugar de solo encontrar páginas web. Explica cómo usar WolframAlpha para buscar información confiable de manera directa y cómo Mathematica se ha vuelto importante en industrias para modelar problemas complejos.
Este documento presenta instrucciones para una práctica de laboratorio de matemáticas sobre Mathematica y WolframAlpha. Los estudiantes aprenderán a modelar, simular y visualizar usando Mathematica, y a usar WolframAlpha como un buscador de bases de datos confiables. Las instrucciones incluyen cómo aproximar el área bajo la curva usando rectángulos izquierdos, centrales y derechos en Mathematica, y cómo resolver integrales usando diferentes métodos en WolframAlpha para comparar las soluciones.
El documento proporciona instrucciones para instalar el software Mathematica en una computadora. Explica que Mathematica permite realizar cálculos simbólicos y numéricos y cómo obtenerlo a través de la red de la escuela. Luego, detalla los pasos a seguir para instalarlo, que incluyen conectarse a la unidad de red, navegar a la carpeta correcta, ejecutar el instalador y completar el proceso de licencia ingresando la información de red requerida.
The document outlines a Beamer tutorial, which is a LaTeX class for creating presentations. It discusses the advantages of Beamer, including that standard LaTeX commands work in Beamer, a table of contents is automatically generated, overlays and dynamic effects can be easily created, and themes allow customizing the presentation's appearance. The outline lists topics like templates, frames, sections, text formatting, graphics, and transitions that will be covered in the tutorial.
Catalogo Refrigeracion Miele Distribuidor Oficial Amado Salvador ValenciaAMADO SALVADOR
Descubre el catálogo general de la gama de productos de refrigeración del fabricante de electrodomésticos Miele, presentado por Amado Salvador distribuidor oficial Miele en Valencia. Como distribuidor oficial de electrodomésticos Miele, Amado Salvador ofrece una amplia selección de refrigeradores, congeladores y soluciones de refrigeración de alta calidad, resistencia y diseño superior de esta marca.
La gama de productos de Miele se caracteriza por su innovación tecnológica y eficiencia energética, garantizando que cada electrodoméstico no solo cumpla con las expectativas, sino que las supere. Los refrigeradores Miele están diseñados para ofrecer un rendimiento óptimo y una conservación perfecta de los alimentos, con características avanzadas como la tecnología de enfriamiento Dynamic Cooling, sistemas de almacenamiento flexible y acabados premium.
En este catálogo, encontrarás detalles sobre los distintos modelos de refrigeradores y congeladores Miele, incluyendo sus especificaciones técnicas, características destacadas y beneficios para el usuario. Amado Salvador, como distribuidor oficial de electrodomésticos Miele, garantiza que todos los productos cumplen con los más altos estándares de calidad y durabilidad.
Explora el catálogo completo y encuentra el refrigerador Miele perfecto para tu hogar con Amado Salvador, el distribuidor oficial de electrodomésticos Miele.
KAWARU CONSULTING presenta el projecte amb l'objectiu de permetre als ciutadans realitzar tràmits administratius de manera telemàtica, des de qualsevol lloc i dispositiu, amb seguretat jurídica. Aquesta plataforma redueix els desplaçaments físics i el temps invertit en tràmits, ja que es pot fer tot en línia. A més, proporciona evidències de la correcta realització dels tràmits, garantint-ne la validesa davant d'un jutge si cal. Inicialment concebuda per al Ministeri de Justícia, la plataforma s'ha expandit per adaptar-se a diverses organitzacions i països, oferint una solució flexible i fàcil de desplegar.
Catalogo general Ariston Amado Salvador distribuidor oficial ValenciaAMADO SALVADOR
Distribuidor Oficial Ariston en Valencia: Amado Salvador distribuidor autorizado de Ariston, una marca líder en soluciones de calefacción y agua caliente sanitaria. Amado Salvador pone a tu disposición el catálogo completo de Ariston, encontrarás una amplia gama de productos diseñados para satisfacer las necesidades de hogares y empresas.
Calderas de condensación: Ofrecemos calderas de alta eficiencia energética que aprovechan al máximo el calor residual. Estas calderas Ariston son ideales para reducir el consumo de gas y minimizar las emisiones de CO2.
Bombas de calor: Las bombas de calor Ariston son una opción sostenible para la producción de agua caliente. Utilizan energía renovable del aire o el suelo para calentar el agua, lo que las convierte en una alternativa ecológica.
Termos eléctricos: Los termos eléctricos, como el modelo VELIS TECH DRY (sustito de los modelos Duo de Fleck), ofrecen diseño moderno y conectividad WIFI. Son ideales para hogares donde se necesita agua caliente de forma rápida y eficiente.
Aerotermia: Si buscas una solución aún más sostenible, considera la aerotermia. Esta tecnología extrae energía del aire exterior para calentar tu hogar y agua. Además, puede ser elegible para subvenciones locales.
Amado Salvador es el distribuidor oficial de Ariston en Valencia. Explora el catálogo y descubre cómo mejorar la comodidad y la eficiencia en tu hogar o negocio.
Catalogo General Electrodomesticos Teka Distribuidor Oficial Amado Salvador V...AMADO SALVADOR
El catálogo general de electrodomésticos Teka presenta una amplia gama de productos de alta calidad y diseño innovador. Como distribuidor oficial Teka, Amado Salvador ofrece soluciones en electrodomésticos Teka que destacan por su tecnología avanzada y durabilidad. Este catálogo incluye una selección exhaustiva de productos Teka que cumplen con los más altos estándares del mercado, consolidando a Amado Salvador como el distribuidor oficial Teka.
Explora las diversas categorías de electrodomésticos Teka en este catálogo, cada una diseñada para satisfacer las necesidades de cualquier hogar. Amado Salvador, como distribuidor oficial Teka, garantiza que cada producto de Teka se distingue por su excelente calidad y diseño moderno.
Amado Salvador, distribuidor oficial Teka en Valencia. La calidad y el diseño de los electrodomésticos Teka se reflejan en cada página del catálogo, ofreciendo opciones que van desde hornos, placas de cocina, campanas extractoras hasta frigoríficos y lavavajillas. Este catálogo es una herramienta esencial para inspirarse y encontrar electrodomésticos de alta calidad que se adaptan a cualquier proyecto de diseño.
En Amado Salvador somos distribuidor oficial Teka en Valencia y ponemos atu disposición acceso directo a los mejores productos de Teka. Explora este catálogo y encuentra la inspiración y los electrodomésticos necesarios para equipar tu hogar con la garantía y calidad que solo un distribuidor oficial Teka puede ofrecer.
Catalogo General Electrodomesticos Teka Distribuidor Oficial Amado Salvador V...
Laboratorio Probabilidad 1/3
1. El uso del sofware R en la probabilidad y estadística
Introduction to Probability Simulation and Gibbs Sampling with R (Eric
A. Suess Bruce E. Trumbo)
Gabriel Cervantes
Verano 2010
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 1 / 16
2. Qué es R?
R es un software abierto muy poderoso
Tiene muchas ventajas:
Es gratis
Es fácil
Es intuitivo
La investigación se mueve hacia R
Existen comunidades que comparten códigos en R
Bibliografía abundante en WEB
Se pueden cambiar parámetros con facilidad
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 2 / 16
3. Sitios interesantes (La mejor información)
http://cran.r-project.org/
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 3 / 16
4. Sitios interesantes (La mejor información)
http://cran.r-project.org/
http://learnr.wordpress.com/2009/03/29/
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 3 / 16
5. Sitios interesantes (La mejor información)
http://cran.r-project.org/
http://learnr.wordpress.com/2009/03/29/
http://www.r-bloggers.com/
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 3 / 16
6. Sitios interesantes (La mejor información)
http://cran.r-project.org/
http://learnr.wordpress.com/2009/03/29/
http://www.r-bloggers.com/
http://search.twitter.com/search?q=%23rstats
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 3 / 16
7. Sitios interesantes (La mejor información)
http://cran.r-project.org/
http://learnr.wordpress.com/2009/03/29/
http://www.r-bloggers.com/
http://search.twitter.com/search?q=%23rstats
http://www.amazon.com/s/ref=nb_sb_noss?url=search-
alias%3Dstripbooks&…eld-keywords=use+R+
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 3 / 16
8. ¿Qué es la probabilidad?
Se puede argumentar en este sentido
La frecuencia promedio con que ocurre un evento
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 4 / 16
9. ¿Qué es la probabilidad?
Se puede argumentar en este sentido
La frecuencia promedio con que ocurre un evento
El grado de certeza (¡?) que tenemos de que un evento ocurra.
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 4 / 16
10. ¿Qué es la probabilidad?
Se puede argumentar en este sentido
La frecuencia promedio con que ocurre un evento
El grado de certeza (¡?) que tenemos de que un evento ocurra.
La de…nición formal de probabilidad como una función
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 4 / 16
11. Nacimiento de la Probabilidad
Repetir un experimento para asignar una probabilidad
Pierre de Fermat y Blaise Pascal (1654).
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 5 / 16
12. Nacimiento de la Probabilidad
Repetir un experimento para asignar una probabilidad
Pierre de Fermat y Blaise Pascal (1654).
Bernoulli y Doctrine of Chances (1718)
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 5 / 16
13. Nacimiento de la Probabilidad
Repetir un experimento para asignar una probabilidad
Pierre de Fermat y Blaise Pascal (1654).
Bernoulli y Doctrine of Chances (1718)
Thomas Simpson (1755)
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 5 / 16
14. La forma en que empezaron a asignar probabilidades
Una muy buena ayuda para asignar probabilidades es repitiendo en
experimento
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 6 / 16
15. La forma en que empezaron a asignar probabilidades
Una muy buena ayuda para asignar probabilidades es repitiendo en
experimento
Existen muchos tipos de experimentos
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 6 / 16
16. La forma en que empezaron a asignar probabilidades
Una muy buena ayuda para asignar probabilidades es repitiendo en
experimento
Existen muchos tipos de experimentos
Lanzar una moneda
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 6 / 16
17. La forma en que empezaron a asignar probabilidades
Una muy buena ayuda para asignar probabilidades es repitiendo en
experimento
Existen muchos tipos de experimentos
Lanzar una moneda
Jugar a la lotería
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 6 / 16
18. La forma en que empezaron a asignar probabilidades
Una muy buena ayuda para asignar probabilidades es repitiendo en
experimento
Existen muchos tipos de experimentos
Lanzar una moneda
Jugar a la lotería
Observar a la siguiente persona que entre a la biblioteca
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 6 / 16
19. La forma en que empezaron a asignar probabilidades
Una muy buena ayuda para asignar probabilidades es repitiendo en
experimento
Existen muchos tipos de experimentos
Lanzar una moneda
Jugar a la lotería
Observar a la siguiente persona que entre a la biblioteca
Asociado a cada experimento podemos realizar una observación
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 6 / 16
20. La forma en que empezaron a asignar probabilidades
Una muy buena ayuda para asignar probabilidades es repitiendo en
experimento
Existen muchos tipos de experimentos
Lanzar una moneda
Jugar a la lotería
Observar a la siguiente persona que entre a la biblioteca
Asociado a cada experimento podemos realizar una observación
Observar la quinta vez que obtengamos un "sol"
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 6 / 16
21. La forma en que empezaron a asignar probabilidades
Una muy buena ayuda para asignar probabilidades es repitiendo en
experimento
Existen muchos tipos de experimentos
Lanzar una moneda
Jugar a la lotería
Observar a la siguiente persona que entre a la biblioteca
Asociado a cada experimento podemos realizar una observación
Observar la quinta vez que obtengamos un "sol"
Dejar de jugar después que ganemos el premio mayor
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 6 / 16
22. La forma en que empezaron a asignar probabilidades
Una muy buena ayuda para asignar probabilidades es repitiendo en
experimento
Existen muchos tipos de experimentos
Lanzar una moneda
Jugar a la lotería
Observar a la siguiente persona que entre a la biblioteca
Asociado a cada experimento podemos realizar una observación
Observar la quinta vez que obtengamos un "sol"
Dejar de jugar después que ganemos el premio mayor
Observar el número de horas que pasa estudiando
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 6 / 16
23. No siempre podremos concluir el experimento
Algunas restricicones
( Mi abuelo nunca se sacó la lotería )
Nuestro experimento
puede ser muy largo
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 7 / 16
24. No siempre podremos concluir el experimento
Algunas restricicones
( Mi abuelo nunca se sacó la lotería )
Nuestro experimento
puede ser muy largo
Puede ser en muchas
dimensiones
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 7 / 16
25. No siempre podremos concluir el experimento
Algunas restricicones
( Mi abuelo nunca se sacó la lotería )
Nuestro experimento
puede ser muy largo
Puede ser en muchas
dimensiones
Puede ser destructivo
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 7 / 16
26. No siempre podremos concluir el experimento
Algunas restricicones
( Mi abuelo nunca se sacó la lotería )
Puede ser complicado de
Nuestro experimento observar
puede ser muy largo
Puede ser en muchas
dimensiones
Puede ser destructivo
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 7 / 16
27. No siempre podremos concluir el experimento
Algunas restricicones
( Mi abuelo nunca se sacó la lotería )
Puede ser complicado de
Nuestro experimento observar
puede ser muy largo El uso de R permite
Puede ser en muchas observar lo que sucedería
dimensiones
Puede ser destructivo
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 7 / 16
28. No siempre podremos concluir el experimento
Algunas restricicones
( Mi abuelo nunca se sacó la lotería )
Puede ser complicado de
Nuestro experimento observar
puede ser muy largo El uso de R permite
Puede ser en muchas observar lo que sucedería
dimensiones Asignamos probabilidades
Puede ser destructivo sin necesidad de repetir el
experimento
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 7 / 16
29. Repetiremos un experimento que observó Pascal
1 Se tienen 100 canicas, de las cuales 90 son blancas y 10 son negras.
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 8 / 16
30. Repetiremos un experimento que observó Pascal
1 Se tienen 100 canicas, de las cuales 90 son blancas y 10 son negras.
2 Un amigo piensa que puede obtener las cinco canicas blancas, si toma
cinco al azar
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 8 / 16
31. Repetiremos un experimento que observó Pascal
1 Se tienen 100 canicas, de las cuales 90 son blancas y 10 son negras.
2 Un amigo piensa que puede obtener las cinco canicas blancas, si toma
cinco al azar
3 Otro amigo piensa que es más probable que obtenga al menos una
canica negra, si toma cinco al azar
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 8 / 16
32. Repetiremos un experimento que observó Pascal
1 Se tienen 100 canicas, de las cuales 90 son blancas y 10 son negras.
2 Un amigo piensa que puede obtener las cinco canicas blancas, si toma
cinco al azar
3 Otro amigo piensa que es más probable que obtenga al menos una
canica negra, si toma cinco al azar
4 ¿Quién piensas que tiene la razón?
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 8 / 16
33. El comando para obtener una muestra de 5 de 100 canicas
Las canicas 91-100 son negras
sample(1:100, 5)
Tenemos una muestra de100 objetos. Tomamos 5 al azar
repl=T repl=F
Estos dos comandos sirven para tomar muestras con remplazo o sin
remplazo
Por default se toman sin remplazo
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 9 / 16
34. Describe la función que tienen los siguiente comando en R
1 pick = c(17, 43, 36, 99, 84)
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 10 / 16
35. Describe la función que tienen los siguiente comando en R
1 pick = c(17, 43, 36, 99, 84)
2 (pick <= 90)
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 10 / 16
36. Describe la función que tienen los siguiente comando en R
1 pick = c(17, 43, 36, 99, 84)
2 (pick <= 90)
3 sum(pick <= 90)
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 10 / 16
37. Nos interesa calcularP (X = 5)
Usaremos 100, 000 muestras
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 11 / 16
38. Nos interesa calcularP (X = 5)
Usaremos 100, 000 muestras
Contaremos cuántas de esas muestras tienen todas las canicas blancas
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 11 / 16
39. Nos interesa calcularP (X = 5)
Usaremos 100, 000 muestras
Contaremos cuántas de esas muestras tienen todas las canicas blancas
Encontraremos la proporción de las muestras con todas las canicas
blancas
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 11 / 16
40. Nos interesa calcularP (X = 5)
Usaremos 100, 000 muestras
Contaremos cuántas de esas muestras tienen todas las canicas blancas
Encontraremos la proporción de las muestras con todas las canicas
blancas
Esto nos dará una probabilidad del evento
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 11 / 16
41. set.seed(1237)
numeric(m)
good = numeric(m)
m = 100000
good = numeric(m)
for (i in 1:m)
{
pick = sample(1:100, 5) # vector of 5 items from ith box
good[i] = sum(pick <= 90) # number Good in ith box
}
mean(good == 5)
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 12 / 16
42. ¿Cuántos estudiantes tiene tu clase?
¿Crees que alguno de ustedes comparta cumpleaños?
n = 25 estudiantes
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 13 / 16
43. ¿Cuántos estudiantes tiene tu clase?
¿Crees que alguno de ustedes comparta cumpleaños?
n = 25 estudiantes
25
2
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 13 / 16
44. ¿Cuántos estudiantes tiene tu clase?
¿Crees que alguno de ustedes comparta cumpleaños?
n = 25 estudiantes
25
2
Se requieren 367 personas para garantizar que suceda al menos una
coincidencia
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 13 / 16
45. ¿Cuántos estudiantes tiene tu clase?
¿Crees que alguno de ustedes comparta cumpleaños?
n = 25 estudiantes
25
2
Se requieren 367 personas para garantizar que suceda al menos una
coincidencia
Simplicando el problema
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 13 / 16
46. ¿Cuántos estudiantes tiene tu clase?
¿Crees que alguno de ustedes comparta cumpleaños?
n = 25 estudiantes
25
2
Se requieren 367 personas para garantizar que suceda al menos una
coincidencia
Simplicando el problema
Sin años bisiestos
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 13 / 16
47. ¿Cuántos estudiantes tiene tu clase?
¿Crees que alguno de ustedes comparta cumpleaños?
n = 25 estudiantes
25
2
Se requieren 367 personas para garantizar que suceda al menos una
coincidencia
Simplicando el problema
Sin años bisiestos
Cualquier periodo es igualemente probable de tener nacimientos
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 13 / 16
48. ¿Cuántos estudiantes tiene tu clase?
¿Crees que alguno de ustedes comparta cumpleaños?
n = 25 estudiantes
25
2
Se requieren 367 personas para garantizar que suceda al menos una
coincidencia
Simplicando el problema
Sin años bisiestos
Cualquier periodo es igualemente probable de tener nacimientos
Tenemos una muestra aleatoria
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 13 / 16
49. El espacio muestral
1 Se tienen 36525 puntos en el espacio muestral (Casos Totales)
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 14 / 16
50. El espacio muestral
1 Se tienen 36525 puntos en el espacio muestral (Casos Totales)
365!
2 Se tienen (365 25 )!
casos favorables
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 14 / 16
51. El espacio muestral
1 Se tienen 36525 puntos en el espacio muestral (Casos Totales)
365!
2 Se tienen (365 25 )!
casos favorables
3 Probabilidad que no exista ninguna coincidencia es:
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 14 / 16
52. El espacio muestral
1 Se tienen 36525 puntos en el espacio muestral (Casos Totales)
365!
2 Se tienen (365 25 )!
casos favorables
3 Probabilidad que no exista ninguna coincidencia es:
24
4 Pr (NoCoincidencia) = ∏ (1 i
365 ) = 0.4313
i =0
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 14 / 16
53. El espacio muestral
1 Se tienen 36525 puntos en el espacio muestral (Casos Totales)
365!
2 Se tienen (365 25 )!
casos favorables
3 Probabilidad que no exista ninguna coincidencia es:
24
4 Pr (NoCoincidencia) = ∏ (1 i
365 ) = 0.4313
i =0
5 1 Pr (NoCoincidencia) = 1 0.4313 = 0.5687
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 14 / 16
54. El espacio muestral
1 Se tienen 36525 puntos en el espacio muestral (Casos Totales)
365!
2 Se tienen (365 25 )!
casos favorables
3 Probabilidad que no exista ninguna coincidencia es:
24
4 Pr (NoCoincidencia) = ∏ (1 i
365 ) = 0.4313
i =0
5 1 Pr (NoCoincidencia) = 1 0.4313 = 0.5687
6 En R:
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 14 / 16
55. El espacio muestral
1 Se tienen 36525 puntos en el espacio muestral (Casos Totales)
365!
2 Se tienen (365 25 )!
casos favorables
3 Probabilidad que no exista ninguna coincidencia es:
24
4 Pr (NoCoincidencia) = ∏ (1 i
365 ) = 0.4313
i =0
5 1 Pr (NoCoincidencia) = 1 0.4313 = 0.5687
6 En R:
7 prod((365:(365-24))/365)
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 14 / 16
56. ¿Qué crees que sucederá si n aumenta?
Dónde alcanza p=1?
¿
n = 1:60
p = numeric(60)
for (i in n)
{
q = prod(1 - (0:(i-1))/365) # P(No match) if i people in room
p[i] = 1 - q
}
plot(n, p) # plot of p against n
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 15 / 16
57. El comando Plot
p vs n
1.0
0.8
0.6
p
0.4
0.2
0.0
0 10 20 30 40 50 60
n
Gabriel Cervantes () Departamento de Ciencias Básicas Verano 2010 16 / 16