Este documento presenta un esquema inicial sobre probabilidad condicionada. Cubre cinco temas: 1) introducción a la probabilidad condicionada, 2) teorema de la probabilidad compuesta, 3) independencia de sucesos, 4) teorema de la probabilidad total, y 5) teorema de Bayes. Para cada tema, incluye definiciones, fórmulas y ejemplos ilustrativos.
Este documento presenta un esquema sobre variables aleatorias discretas. Introduce seis distribuciones de probabilidad discretas: proceso de Bernoulli, distribución binomial, distribución geométrica, distribución binomial negativa y distribución de Poisson. Para cada distribución, describe su génesis, función de probabilidad, función de distribución, esperanza y varianza. Incluye ejemplos y gráficas ilustrativas.
Este documento presenta los conceptos fundamentales sobre variables aleatorias unidimensionales. Introduce el concepto de variable aleatoria y explica que pueden ser discretas o continuas. Explica que las variables aleatorias discretas se representan mediante su función de probabilidad mientras que las continuas se representan mediante su función de densidad. Finalmente, indica que tanto las discretas como las continuas pueden representarse mediante su función de distribución para calcular probabilidades.
Este documento presenta el concepto de probabilidad. Introduce las interpretaciones clásica, frecuentista y bayesiana de la probabilidad. Define los conceptos básicos de experimento aleatorio, espacio muestral y sucesos, y presenta el álgebra de Boole de sucesos. Explica la definición axiomática de la probabilidad a través de axiomas y propiedades. Cubre métodos para cuantificar la probabilidad como la regla de Laplace y la rueda de la fortuna. Finalmente, describe métodos de conteo como la combinatoria para determinar
El documento presenta los tipos de distribuciones de probabilidad más comunes, incluyendo la distribución uniforme, normal, exponencial, Erlang, Gamma y Beta. Explica las características de cada distribución como su función de densidad, función de distribución, esperanza y varianza.
El documento presenta información sobre sistemas de ecuaciones y sistemas de inecuaciones lineales. Explica métodos para resolver sistemas como eliminación por igualación, sustitución, reducción y matrices. También muestra ejemplos numéricos resueltos de sistemas de ecuaciones y de inecuaciones lineales, incluyendo su representación gráfica.
Este documento presenta el concepto de probabilidad. Introduce las interpretaciones clásica, frecuentista y bayesiana de la probabilidad. Explica los conceptos básicos de experimento aleatorio, espacio muestral y sucesos, y define la probabilidad de forma axiomática basada en propiedades como la aditividad y que la probabilidad de un suceso esté entre 0 y 1.
Este documento proporciona instrucciones sobre el uso de una calculadora científica para un curso de probabilidad y estadística. Incluye cómo realizar funciones como factorización prima, números aleatorios, potencias, combinaciones y permutaciones, así como estadísticas como promedios, varianzas y correlaciones. También explica conceptos como sumatorias, principios de multiplicación y adición, y factoriales y coeficientes binomiales.
Este documento presenta ejemplos de distribuciones de probabilidad discretas como la distribución de Bernoulli, binomial y Poisson. Incluye cálculos de probabilidades, medias y varianzas para variables aleatorias con estas distribuciones.
Este documento presenta un esquema sobre variables aleatorias discretas. Introduce seis distribuciones de probabilidad discretas: proceso de Bernoulli, distribución binomial, distribución geométrica, distribución binomial negativa y distribución de Poisson. Para cada distribución, describe su génesis, función de probabilidad, función de distribución, esperanza y varianza. Incluye ejemplos y gráficas ilustrativas.
Este documento presenta los conceptos fundamentales sobre variables aleatorias unidimensionales. Introduce el concepto de variable aleatoria y explica que pueden ser discretas o continuas. Explica que las variables aleatorias discretas se representan mediante su función de probabilidad mientras que las continuas se representan mediante su función de densidad. Finalmente, indica que tanto las discretas como las continuas pueden representarse mediante su función de distribución para calcular probabilidades.
Este documento presenta el concepto de probabilidad. Introduce las interpretaciones clásica, frecuentista y bayesiana de la probabilidad. Define los conceptos básicos de experimento aleatorio, espacio muestral y sucesos, y presenta el álgebra de Boole de sucesos. Explica la definición axiomática de la probabilidad a través de axiomas y propiedades. Cubre métodos para cuantificar la probabilidad como la regla de Laplace y la rueda de la fortuna. Finalmente, describe métodos de conteo como la combinatoria para determinar
El documento presenta los tipos de distribuciones de probabilidad más comunes, incluyendo la distribución uniforme, normal, exponencial, Erlang, Gamma y Beta. Explica las características de cada distribución como su función de densidad, función de distribución, esperanza y varianza.
El documento presenta información sobre sistemas de ecuaciones y sistemas de inecuaciones lineales. Explica métodos para resolver sistemas como eliminación por igualación, sustitución, reducción y matrices. También muestra ejemplos numéricos resueltos de sistemas de ecuaciones y de inecuaciones lineales, incluyendo su representación gráfica.
Este documento presenta el concepto de probabilidad. Introduce las interpretaciones clásica, frecuentista y bayesiana de la probabilidad. Explica los conceptos básicos de experimento aleatorio, espacio muestral y sucesos, y define la probabilidad de forma axiomática basada en propiedades como la aditividad y que la probabilidad de un suceso esté entre 0 y 1.
Este documento proporciona instrucciones sobre el uso de una calculadora científica para un curso de probabilidad y estadística. Incluye cómo realizar funciones como factorización prima, números aleatorios, potencias, combinaciones y permutaciones, así como estadísticas como promedios, varianzas y correlaciones. También explica conceptos como sumatorias, principios de multiplicación y adición, y factoriales y coeficientes binomiales.
Este documento presenta ejemplos de distribuciones de probabilidad discretas como la distribución de Bernoulli, binomial y Poisson. Incluye cálculos de probabilidades, medias y varianzas para variables aleatorias con estas distribuciones.
1) Se describe la distribución normal estándar, creada por Gauss, que tiene forma de campana y es simétrica alrededor de 0.
2) Se explican propiedades como que el área bajo la curva entre -∞ y ∞ es 1, y cómo usar la tabla normal para calcular áreas y probabilidades.
3) Se dan ejemplos del cálculo de probabilidades usando la tabla normal, incluyendo el uso de probabilidades complementarias y la diferencia de áreas.
Este documento presenta conceptos básicos sobre variables aleatorias continuas. 1) Define una variable aleatoria continua como aquella cuyo rango toma valores en intervalos de números reales, y cuya función de densidad de probabilidad cumple ciertas propiedades. 2) Explica cómo evaluar probabilidades mediante la integración de la función de densidad, y 3) introduce el concepto de soporte como el subconjunto donde la función es positiva.
Este documento describe la estadística como la ciencia que estudia la recolección, análisis e interpretación de datos. Se divide en estadística descriptiva, que resume y describe datos, y estadística inferencial, que genera modelos e inferencias sobre poblaciones basadas en muestras. También explica brevemente cómo generar números aleatorios en Excel usando las funciones ALEATORIO e ENTERO.
Este documento introduce el concepto de variable aleatoria discreta. Explica que una variable aleatoria asigna un número real a cada suceso elemental en un espacio muestral. Presenta ejemplos de variables aleatorias como el número de caras que salgan al lanzar monedas o dados. También cubre cómo calcular la probabilidad de diferentes valores de una variable aleatoria.
Este documento presenta conceptos básicos sobre variables aleatorias discretas. Explica que una variable aleatoria es una característica numérica de un experimento aleatorio como el número de caras al lanzar una moneda. Define la función de probabilidad y distribución de probabilidad acumulada de una variable aleatoria discreta. También introduce conceptos como esperanza, varianza, desviación típica y coeficiente de variación para medir variables aleatorias.
probabilidad y estadística. Ejercicios resueltosNobu Dragon
Este documento presenta la resolución de varios ejercicios de probabilidad. En el primer ejercicio, se describe el espacio muestral de lanzar 3 monedas y se definen varios sucesos relacionados con sacar al menos una cara o cruz. En el segundo ejercicio, se calcula la probabilidad de diferentes sucesos relacionados con extraer una bola de una bolsa con bolas de diferentes colores. En el tercer ejercicio, se calculan probabilidades al extraer una carta de una baraja.
Este documento presenta varias distribuciones de probabilidad discretas importantes, incluyendo la distribución uniforme discreta, la distribución de Bernoulli, y la distribución binomial. Define conceptos clave como parámetros, ensayos de Bernoulli, y experimentos binomiales. Explica las propiedades y fórmulas clave de cada distribución.
Este documento presenta conceptos básicos de estadística descriptiva bidimensional. Explica distribuciones de frecuencias bidimensionales, distribuciones marginales y condicionales. Incluye ejemplos para ilustrar cómo calcular y analizar estas distribuciones a partir de datos sobre número de integrantes y dormitorios de familias.
El documento habla sobre variables aleatorias continuas y describe varias distribuciones de probabilidad continuas importantes como la uniforme, exponencial, normal y gamma. Explica las funciones de densidad de probabilidad de las distribuciones uniforme y exponencial a través de ejemplos y presenta algunas de sus propiedades como la media, varianza y función de distribución acumulada. También introduce la función gamma, su definición y algunas de sus propiedades y usos para evaluar integrales.
Cálculo de probabilidades y análisis combinatorioVioleta Migallón
Este documento presenta conceptos básicos sobre probabilidad y estadística. Introduce los conceptos de espacio muestral, sucesos, probabilidad condicionada y sucesos independientes. Explica cómo calcular la probabilidad de diferentes sucesos usando la regla de Laplace y proporciona ejemplos numéricos para ilustrar los conceptos.
El documento explica la distribución binomial, la cual modela experimentos con dos posibles resultados (éxito o fracaso) y probabilidad constante de éxito. La fórmula binomial calcula la probabilidad de x éxitos en n intentos como una combinación de x objetos tomados de n, multiplicada por la probabilidad de éxito elevada a x y de fracaso elevada a n-x. La media es la suma de cada resultado multiplicado por su probabilidad, y la varianza es la suma de los cuadrados de las desviaciones de cada resultado respecto a la media, multiplicadas por
Este documento explica las distribuciones binomial y Poisson. La distribución binomial describe el número de éxitos en una serie de ensayos binarios independientes. La distribución de Poisson describe el número de eventos aleatorios que ocurren en un intervalo de tiempo o espacio, cuando estos eventos ocurren a una tasa constante. El documento proporciona fórmulas, ejemplos y diferencias entre las dos distribuciones, destacando que la binomial se aproxima a la Poisson cuando el número de ensayos es grande y la probabilidad de éxito es pequeña.
El documento describe varias distribuciones de probabilidad discretas y continuas, incluyendo la distribución discreta uniforme, el proceso de Bernoulli, la distribución binomial, la distribución geométrica, y la distribución hipergeométrica. Para cada distribución, se definen sus parámetros y se proporcionan fórmulas para calcular la media y la varianza. También se incluyen ejemplos ilustrativos para cada distribución.
Este documento contiene información sobre una materia de Probabilidad y Estadística impartida por el profesor Edgar Gerardo Mata Ortiz a la alumna Lizandra Ayari Rodríguez Ortiz en la Universidad Tecnológica de Torreón. Incluye ejemplos y ejercicios resueltos sobre distribuciones de probabilidad como Bernoulli, Binomial, Poisson, Normal, Gamma y de Weibull.
Este documento presenta información sobre la prueba estadística de chi-cuadrado. Explica que es una prueba no paramétrica que se puede usar con variables cualitativas. Incluye definiciones de la prueba de chi-cuadrado, un marco teórico con más detalles sobre cómo se calcula y aplica, y ejemplos resueltos para demostrar cómo funciona en la práctica. El objetivo general es que los estudiantes aprendan a aplicar la prueba de chi-cuadrado para tomar decisiones informadas en problemas
Este documento presenta un resumen de tres oraciones o menos:
El documento describe el uso de la prueba estadística de chi-cuadrado para determinar si la distribución observada de datos se ajusta a la distribución teórica. Incluye definiciones de la prueba de chi-cuadrado, un ejemplo numérico y una discusión sobre la distribución muestral del estadístico chi-cuadrado. El objetivo es enseñar a los estudiantes cómo aplicar la prueba de chi-cuadrado a problemas relacionados con
Este documento presenta varios conceptos fundamentales de la teoría de probabilidad a través de 15 páginas. En la primera página introduce brevemente la noción de azar y probabilidad. Luego define conceptos como espacio muestral, sucesos, experimentos aleatorios, diagramas de Venn, uniones e intersecciones de sucesos. Finalmente presenta la axiomatización de la probabilidad propuesta por Kolmogorov, incluyendo los axiomas de no negatividad, normalización y aditividad.
Material didáctico diseñado y elaborado para desarrollar aprendizajes respecto a Estadística y Probabilidades, originalmente fue diseñado como parte de la sexta unidad de aprendizaje para el Primer grado de secundaria, pero por su sencillez puede ser utilizado por cualquier ogrado o nivel.
Este documento trata sobre funciones polinomiales. Explica conceptos como división sintética, ceros reales y complejos, y gráficas de funciones polinomiales. Incluye ejemplos y ejercicios de práctica sobre cómo hallar ceros, analizar signos, y trazar gráficas aproximadas de funciones polinomiales.
Este documento presenta conceptos básicos de probabilidad y estadística para un curso universitario de ingeniería de minas. Introduce conceptos como experimento, espacio muestral, eventos, probabilidad de eventos, variables aleatorias, distribuciones de probabilidad, esperanza matemática y varianza. También cubre intervalos de confianza, pruebas de hipótesis y niveles de significancia. El objetivo es proporcionar herramientas estadísticas para que los ingenieros puedan tomar decisiones informadas bajo condiciones de in
Este documento trata sobre las medidas características de una distribución de frecuencias. Explica las medidas de centralización como la moda, mediana y media, así como sus definiciones e interpretaciones. También cubre las medidas de dispersión y forma, además de representaciones gráficas como el diagrama de caja.
Este documento describe el análisis estadístico de datos multidimensionales mediante tablas de contingencia. Explica cómo se pueden representar datos bidimensionales en tablas y describir las distribuciones conjuntas, marginales y condicionadas de las variables. Incluye ejemplos numéricos para ilustrar cada tipo de distribución.
1) Se describe la distribución normal estándar, creada por Gauss, que tiene forma de campana y es simétrica alrededor de 0.
2) Se explican propiedades como que el área bajo la curva entre -∞ y ∞ es 1, y cómo usar la tabla normal para calcular áreas y probabilidades.
3) Se dan ejemplos del cálculo de probabilidades usando la tabla normal, incluyendo el uso de probabilidades complementarias y la diferencia de áreas.
Este documento presenta conceptos básicos sobre variables aleatorias continuas. 1) Define una variable aleatoria continua como aquella cuyo rango toma valores en intervalos de números reales, y cuya función de densidad de probabilidad cumple ciertas propiedades. 2) Explica cómo evaluar probabilidades mediante la integración de la función de densidad, y 3) introduce el concepto de soporte como el subconjunto donde la función es positiva.
Este documento describe la estadística como la ciencia que estudia la recolección, análisis e interpretación de datos. Se divide en estadística descriptiva, que resume y describe datos, y estadística inferencial, que genera modelos e inferencias sobre poblaciones basadas en muestras. También explica brevemente cómo generar números aleatorios en Excel usando las funciones ALEATORIO e ENTERO.
Este documento introduce el concepto de variable aleatoria discreta. Explica que una variable aleatoria asigna un número real a cada suceso elemental en un espacio muestral. Presenta ejemplos de variables aleatorias como el número de caras que salgan al lanzar monedas o dados. También cubre cómo calcular la probabilidad de diferentes valores de una variable aleatoria.
Este documento presenta conceptos básicos sobre variables aleatorias discretas. Explica que una variable aleatoria es una característica numérica de un experimento aleatorio como el número de caras al lanzar una moneda. Define la función de probabilidad y distribución de probabilidad acumulada de una variable aleatoria discreta. También introduce conceptos como esperanza, varianza, desviación típica y coeficiente de variación para medir variables aleatorias.
probabilidad y estadística. Ejercicios resueltosNobu Dragon
Este documento presenta la resolución de varios ejercicios de probabilidad. En el primer ejercicio, se describe el espacio muestral de lanzar 3 monedas y se definen varios sucesos relacionados con sacar al menos una cara o cruz. En el segundo ejercicio, se calcula la probabilidad de diferentes sucesos relacionados con extraer una bola de una bolsa con bolas de diferentes colores. En el tercer ejercicio, se calculan probabilidades al extraer una carta de una baraja.
Este documento presenta varias distribuciones de probabilidad discretas importantes, incluyendo la distribución uniforme discreta, la distribución de Bernoulli, y la distribución binomial. Define conceptos clave como parámetros, ensayos de Bernoulli, y experimentos binomiales. Explica las propiedades y fórmulas clave de cada distribución.
Este documento presenta conceptos básicos de estadística descriptiva bidimensional. Explica distribuciones de frecuencias bidimensionales, distribuciones marginales y condicionales. Incluye ejemplos para ilustrar cómo calcular y analizar estas distribuciones a partir de datos sobre número de integrantes y dormitorios de familias.
El documento habla sobre variables aleatorias continuas y describe varias distribuciones de probabilidad continuas importantes como la uniforme, exponencial, normal y gamma. Explica las funciones de densidad de probabilidad de las distribuciones uniforme y exponencial a través de ejemplos y presenta algunas de sus propiedades como la media, varianza y función de distribución acumulada. También introduce la función gamma, su definición y algunas de sus propiedades y usos para evaluar integrales.
Cálculo de probabilidades y análisis combinatorioVioleta Migallón
Este documento presenta conceptos básicos sobre probabilidad y estadística. Introduce los conceptos de espacio muestral, sucesos, probabilidad condicionada y sucesos independientes. Explica cómo calcular la probabilidad de diferentes sucesos usando la regla de Laplace y proporciona ejemplos numéricos para ilustrar los conceptos.
El documento explica la distribución binomial, la cual modela experimentos con dos posibles resultados (éxito o fracaso) y probabilidad constante de éxito. La fórmula binomial calcula la probabilidad de x éxitos en n intentos como una combinación de x objetos tomados de n, multiplicada por la probabilidad de éxito elevada a x y de fracaso elevada a n-x. La media es la suma de cada resultado multiplicado por su probabilidad, y la varianza es la suma de los cuadrados de las desviaciones de cada resultado respecto a la media, multiplicadas por
Este documento explica las distribuciones binomial y Poisson. La distribución binomial describe el número de éxitos en una serie de ensayos binarios independientes. La distribución de Poisson describe el número de eventos aleatorios que ocurren en un intervalo de tiempo o espacio, cuando estos eventos ocurren a una tasa constante. El documento proporciona fórmulas, ejemplos y diferencias entre las dos distribuciones, destacando que la binomial se aproxima a la Poisson cuando el número de ensayos es grande y la probabilidad de éxito es pequeña.
El documento describe varias distribuciones de probabilidad discretas y continuas, incluyendo la distribución discreta uniforme, el proceso de Bernoulli, la distribución binomial, la distribución geométrica, y la distribución hipergeométrica. Para cada distribución, se definen sus parámetros y se proporcionan fórmulas para calcular la media y la varianza. También se incluyen ejemplos ilustrativos para cada distribución.
Este documento contiene información sobre una materia de Probabilidad y Estadística impartida por el profesor Edgar Gerardo Mata Ortiz a la alumna Lizandra Ayari Rodríguez Ortiz en la Universidad Tecnológica de Torreón. Incluye ejemplos y ejercicios resueltos sobre distribuciones de probabilidad como Bernoulli, Binomial, Poisson, Normal, Gamma y de Weibull.
Este documento presenta información sobre la prueba estadística de chi-cuadrado. Explica que es una prueba no paramétrica que se puede usar con variables cualitativas. Incluye definiciones de la prueba de chi-cuadrado, un marco teórico con más detalles sobre cómo se calcula y aplica, y ejemplos resueltos para demostrar cómo funciona en la práctica. El objetivo general es que los estudiantes aprendan a aplicar la prueba de chi-cuadrado para tomar decisiones informadas en problemas
Este documento presenta un resumen de tres oraciones o menos:
El documento describe el uso de la prueba estadística de chi-cuadrado para determinar si la distribución observada de datos se ajusta a la distribución teórica. Incluye definiciones de la prueba de chi-cuadrado, un ejemplo numérico y una discusión sobre la distribución muestral del estadístico chi-cuadrado. El objetivo es enseñar a los estudiantes cómo aplicar la prueba de chi-cuadrado a problemas relacionados con
Este documento presenta varios conceptos fundamentales de la teoría de probabilidad a través de 15 páginas. En la primera página introduce brevemente la noción de azar y probabilidad. Luego define conceptos como espacio muestral, sucesos, experimentos aleatorios, diagramas de Venn, uniones e intersecciones de sucesos. Finalmente presenta la axiomatización de la probabilidad propuesta por Kolmogorov, incluyendo los axiomas de no negatividad, normalización y aditividad.
Material didáctico diseñado y elaborado para desarrollar aprendizajes respecto a Estadística y Probabilidades, originalmente fue diseñado como parte de la sexta unidad de aprendizaje para el Primer grado de secundaria, pero por su sencillez puede ser utilizado por cualquier ogrado o nivel.
Este documento trata sobre funciones polinomiales. Explica conceptos como división sintética, ceros reales y complejos, y gráficas de funciones polinomiales. Incluye ejemplos y ejercicios de práctica sobre cómo hallar ceros, analizar signos, y trazar gráficas aproximadas de funciones polinomiales.
Este documento presenta conceptos básicos de probabilidad y estadística para un curso universitario de ingeniería de minas. Introduce conceptos como experimento, espacio muestral, eventos, probabilidad de eventos, variables aleatorias, distribuciones de probabilidad, esperanza matemática y varianza. También cubre intervalos de confianza, pruebas de hipótesis y niveles de significancia. El objetivo es proporcionar herramientas estadísticas para que los ingenieros puedan tomar decisiones informadas bajo condiciones de in
Este documento trata sobre las medidas características de una distribución de frecuencias. Explica las medidas de centralización como la moda, mediana y media, así como sus definiciones e interpretaciones. También cubre las medidas de dispersión y forma, además de representaciones gráficas como el diagrama de caja.
Este documento describe el análisis estadístico de datos multidimensionales mediante tablas de contingencia. Explica cómo se pueden representar datos bidimensionales en tablas y describir las distribuciones conjuntas, marginales y condicionadas de las variables. Incluye ejemplos numéricos para ilustrar cada tipo de distribución.
Este documento presenta un tema sobre el análisis estadístico de datos. Se divide en cinco secciones principales: introducción, variables y datos, descripción de datos mediante tablas, descripción de datos mediante gráficos e introducción al análisis exploratorio de datos. En la introducción, se describen los seis objetivos de la estadística descriptiva. Las siguientes secciones detallan los tipos de datos, cómo organizarlos en tablas y gráficos, y cómo analizarlos exploratoriamente.
Este documento presenta la asignatura Probabilidades y Estadística I. Incluye la información del profesor, horario de tutorías, detalles sobre las pruebas de evaluación, pesos de las pruebas en la nota final, y una breve introducción a los conceptos básicos de estadística descriptiva e inferencial.
El documento presenta las distribuciones de probabilidad continuas más comunes, incluyendo la distribución uniforme, normal, exponencial, Erlang, Gamma y Beta. Se describe la distribución uniforme en detalle con su función de densidad, función de distribución, esperanza y varianza. También incluye un ejemplo de cálculo de probabilidades con la distribución uniforme.
Este documento presenta cuatro ejemplos de probabilidad condicionada. El primero calcula la probabilidad de sufrir anorexia dado problemas de obesidad. El segundo calcula la probabilidad de ir a un parque de diversiones y jugar. El tercero calcula la probabilidad de que un auto sea blanco dado que tiene cuatro puertas. El último calcula la probabilidad de que el segundo estudiante sea blanco dado que el primero fue afro.
La probabilidad condicionada se refiere a la probabilidad de que ocurra un suceso A dependiendo de si ocurre otro suceso B, de modo que si B cambia, cambia A y viceversa. El documento proporciona un ejemplo de calcular la probabilidad de que un número sea par sabiendo que la probabilidad de aprobar es cierta, y explica brevemente el teorema de la probabilidad compuesta con un ejemplo numérico.
Este documento presenta un esquema sobre contrastes paramétricos. Se divide en seis secciones que cubren la introducción, elementos básicos de los contrastes, etapas de un contraste, contrastes para la media y varianza en poblaciones normales, contrastes para la diferencia de medias y cociente de varianzas en poblaciones normales, y contraste para proporciones. El documento proporciona detalles sobre cómo realizar contrastes paramétricos para probar hipótesis estadísticas.
Este documento presenta una lista de 50 palabras en inglés con sus traducciones al español. La lista incluye palabras comunes y sus equivalentes en otro idioma.
Este documento presenta una introducción a los conceptos básicos de probabilidad y estadística. Incluye secciones sobre espacios de probabilidad como urnas con bolas, monedas, caminos aleatorios, dados y naipes. Cada sección contiene ejemplos y ejercicios para calcular probabilidades en diferentes experimentos aleatorios simples. El documento provee una guía introductoria para comprender y trabajar con conceptos fundamentales de probabilidad.
Este documento presenta la asignatura Probabilidades y Estadística I impartida por el profesor Jacinto González Pachón. Incluye información sobre el horario de tutorías, los temas a cubrir, las fechas de los exámenes y entregas, y los porcentajes en la nota final. También introduce brevemente la estadística descriptiva, inferencial y el cálculo de probabilidades como lenguaje formal para cuantificar la incertidumbre.
Este documento contiene 20 ejercicios de probabilidad y teorema de Bayes para la asignatura de Estadística II. Los ejercicios cubren temas como probabilidades con urnas, lanzamiento de monedas y dados, probabilidades condicionadas, y aplicaciones del teorema de Bayes. El documento proporciona las soluciones detalladas a cada uno de los ejercicios planteados.
Este documento presenta varios ejemplos y conceptos relacionados con eventos aleatorios, incluyendo: 1) un problema sobre la distribución de bolas en urnas para maximizar la probabilidad de obtener una bola blanca, 2) el uso del espacio muestral para identificar probabilidades, y 3) ejemplos del uso de técnicas como diagramas de árbol, combinaciones y permutaciones para calcular probabilidades de diferentes escenarios.
En el siguiente protocolo estandarizado de trabajo colaborativo, se propone una experiencia de aprendizaje basado en la metodología centrado en procesos y objetivos, estructurada como modelo informal de investigación del objeto de probabilidad condicional, que el estudiante lleva a cabo en internet de manera guiada pero activa y sistemática. Se diseñó una situación de aprendizaje para estudiar la conceptualización de probabilidad condicionada, que parte de la ocurrencia de un evento para calcular la probabilidad de otro.
Este documento presenta un esquema inicial sobre la introducción a la inferencia estadística. El esquema incluye seis secciones principales: 1) introducción, 2) muestreo, 3) muestra aleatoria simple, 4) media muestral y sus propiedades, 5) distribución asintótica de la media muestral, y 6) distribuciones asociadas a la normal. Cada sección contiene varias diapositivas que explican los conceptos clave de cada tema.
Este documento presenta una introducción a los intervalos de confianza. Explica el método de la variable pivote para construir intervalos de confianza y cómo se construyen intervalos de confianza para parámetros en poblaciones normales, incluyendo la media, la varianza y la diferencia entre dos medias. También menciona intervalos de confianza asintóticos y para proporciones.
Este documento presenta un esquema introductorio al tema de la inferencia estadística. El esquema incluye seis secciones: introducción, muestreo, muestra aleatoria simple, media muestral y sus propiedades, distribución asintótica de la media muestral, y distribuciones asociadas a la normal. El objetivo general es proporcionar una visión de alto nivel de los conceptos estadísticos fundamentales necesarios para el análisis de datos e inferencia estadística.
Este documento presenta un esquema sobre variables aleatorias multidimensionales. El esquema incluye 7 temas: 1) variables aleatorias bidimensionales y su distribución conjunta, 2) distribuciones marginales, 3) distribuciones condicionadas, 4) independencia, 5) momentos, 6) teorema de Bayes, y 7) reproductividad de variables aleatorias. Cada tema describe conceptos clave sobre variables aleatorias multidimensionales de manera concisa.
Este documento presenta 7 problemas de probabilidad resueltos. En el primer problema, se calcula la probabilidad de que un vehículo elegido al azar de entre varias naves esté en buen estado y la probabilidad de que proceda de una nave en particular si está averiado. En el segundo problema, se calcula la probabilidad de que ninguno de dos profesores atiendan una llamada y la probabilidad de que sea atendida. En el tercer problema, se calcula la probabilidad de sacar una bola roja de una urna en particular.
Este documento presenta información sobre eventos aleatorios, espacios muestrales y técnicas de conteo en probabilidad y estadística. Define eventos aleatorios y espacios muestrales, y describe el diagrama de árbol y el análisis combinatorio como técnicas para enumerar todos los resultados posibles de un experimento aleatorio. Además, explica la diferencia entre permutaciones y combinaciones para el conteo de arreglos posibles de elementos.
Este documento presenta un esquema sobre probabilidad condicionada. Incluye cinco secciones: introducción a la probabilidad condicionada, teorema de la probabilidad compuesta, independencia de sucesos, teorema de la probabilidad total y teorema de Bayes. Cada sección contiene ejemplos y fórmulas para calcular probabilidades condicionadas.
Este documento presenta el Teorema de la Probabilidad Total y el Teorema de Bayes. El Teorema de la Probabilidad Total establece que la probabilidad de un evento A puede calcularse como la suma de las probabilidades de A dado cada posible resultado de un sistema completo de sucesos mutuamente excluyentes. El Teorema de Bayes explica cómo calcular la probabilidad de un suceso dado la ocurrencia de otro suceso posterior.
Este documento presenta conceptos clave sobre probabilidad, incluyendo:
1) Cómo calcular la probabilidad de la unión y la intersección de sucesos.
2) La definición y cálculo de probabilidad condicionada.
3) La regla de multiplicación y cómo determinar la independencia o dependencia de sucesos.
Este documento introduce conceptos clave sobre probabilidad condicionada y teoremas asociados. Explica que la probabilidad condicionada evalúa cómo afecta el conocimiento de un suceso a la probabilidad de otro suceso, y define el espacio de probabilidad condicionado. Presenta teoremas como la regla de multiplicación para calcular la probabilidad de la intersección de varios sucesos.
Este documento presenta diferentes métodos de conteo para determinar probabilidades. Explica las reglas de Laplace para cuantificar la probabilidad de eventos en un espacio muestral, así como diferentes casos de combinatoria para extraer muestras con o sin reemplazamiento y con o sin orden, incluyendo permutaciones, combinaciones y distribuciones binomiales. Finalmente, muestra la paradoja de los cumpleaños donde la probabilidad de coincidencia aumenta exponencialmente con el tamaño de la muestra.
Este documento presenta un resumen de las variables aleatorias unidimensionales. Introduce el concepto de variable aleatoria y explica que pueden ser discretas o continuas. Explica que las variables aleatorias discretas se pueden representar mediante una función de probabilidad o una función de distribución, mientras que las continuas solo mediante una función de distribución. Finalmente, proporciona ejemplos para ilustrar estas nociones.
Este documento presenta un resumen de las variables aleatorias unidimensionales. Introduce el concepto de variable aleatoria y explica que pueden ser discretas o continuas. Detalla las distribuciones de probabilidad para variables aleatorias discretas, incluyendo la función de probabilidad y la función de distribución. Finalmente, proporciona ejemplos para ilustrar estas nociones fundamentales de las variables aleatorias.
(1) La probabilidad de un evento es el grado de certeza que se tiene de que el evento ocurra. (2) Un experimento aleatorio es aquel cuyo resultado se registra como un dato y cuyo espacio muestral es el conjunto de todos los posibles resultados. (3) La probabilidad de un evento se puede calcular como la razón entre el número de casos favorables y el número total de casos posibles.
El documento presenta diferentes definiciones y conceptos relacionados con la probabilidad, incluyendo probabilidad física, epistémica y subjetiva. También explica los axiomas y propiedades de la probabilidad como una medida, así como aspectos de la interpretación y significado de los sistemas y conceptos de probabilidad.
Este documento presenta 25 ejercicios de probabilidad y estadística resueltos. Los ejercicios incluyen cálculos de probabilidades simples y conjuntas, así como aplicaciones del teorema de Bayes. Algunos ejercicios involucran eventos médicos como la probabilidad de que un paciente sea menor de 24 meses o la probabilidad de que un resultado ecográfico tenga un error.
Este documento explica las reglas de la multiplicación y la probabilidad condicional en la probabilidad. La regla de la multiplicación establece que la probabilidad de que ocurran dos sucesos A y B es P(A) x P(B) si A y B son independientes, o P(A) x P(B|A) si A y B son dependientes. También presenta ejemplos como calcular la probabilidad de responder correctamente dos preguntas de un examen o la probabilidad de seleccionar una vaina verde y luego una vaina amarilla en un experimento de Mendel.
Este documento presenta una introducción a las variables aleatorias discretas. Cubre cinco distribuciones de probabilidad discretas comunes: proceso de Bernoulli, distribución binomial, distribución geométrica, distribución binomial negativa y distribución de Poisson. Para cada distribución, define el proceso generador, la variable aleatoria asociada, la función de probabilidad, la función de distribución, y presenta ejemplos y gráficas.
Este documento presenta un esquema sobre distribuciones de probabilidad discretas. Introduce el proceso de Bernoulli, la distribución binomial, la distribución geométrica, la distribución binomial negativa y la distribución de Poisson, definiendo cada una y proporcionando ejemplos y gráficas.
Este documento trata sobre la probabilidad. Explica algunos conceptos básicos como sucesos, espacio muestral, probabilidad condicional y reglas de cálculo. También presenta ejemplos para ilustrar cómo calcular probabilidades usando tablas de frecuencias y aplicando el teorema de la probabilidad total.
Este documento presenta fórmulas útiles para calcular probabilidades. Incluye fórmulas para el número de permutaciones y combinaciones, probabilidad simple y condicional, probabilidad de la unión y la intersección de eventos, probabilidad del evento contrario, independencia de eventos y la regla de Bayes.
El documento habla sobre conceptos básicos de probabilidad y estadística. Explica qué es un espacio muestral finito equiprobable y cómo calcular probabilidades mediante técnicas de conteo. También define conceptos como variable aleatoria, probabilidad condicional, ley multiplicativa, axiomas y teoremas de probabilidad. Finalmente clasifica las variables aleatorias en discretas y continuas.
Este documento presenta los conceptos fundamentales de probabilidad que se abordarán en el módulo, incluyendo definiciones, reglas y teoremas de probabilidad, experimentos aleatorios y espacio muestral, eventos independientes y dependientes, y probabilidad condicional. El objetivo del módulo es introducir estos conceptos básicos de probabilidad y estadística y demostrar su aplicación mediante ejercicios prácticos.
Este documento presenta información sobre probabilidades. Define las probabilidades clásicas, frecuenciales y axiomáticas. Explica la probabilidad condicional y el teorema de la multiplicación. También cubre temas como la partición del espacio muestral y los teoremas de probabilidad total y Bayes.
Este documento presenta el tema 1 de un curso de Probabilidades y Estadística. Introduce los seis objetivos de la estadística descriptiva y describe los tipos de datos, variables y muestras. Explica cómo organizar y visualizar datos, resumir información y analizar relaciones entre variables. Además, incluye ejemplos de cómo aplicar estos conceptos a datos numéricos y cualitativos de estudiantes y experimentos de lanzar una moneda.
Este documento presenta los conceptos fundamentales del análisis estadístico de datos. Explica los tipos de variables y datos, incluyendo cualitativos, cuantitativos, discretos y continuos. También describe cómo organizar y visualizar datos mediante tablas y gráficos, y cómo resumir y analizar la información para extraer conclusiones.
Este documento presenta la asignatura Probabilidades y Estadística I impartida por el profesor Jacinto González Pachón. Incluye información sobre el horario de tutorías, grupos de estudiantes, pruebas de evaluación continua y su peso en la nota final, e introduce brevemente los conceptos de estadística descriptiva e inferencial.
El documento presenta un esquema inicial para un curso sobre análisis estadístico de datos. El esquema incluye una introducción y cinco temas principales: variables y datos, descripción de datos mediante tablas y gráficos, e introducción al análisis exploratorio de datos. También presenta ejemplos de variables estadísticas unidimensionales, bidimensionales y cualitativas, y define conceptos clave como población, muestra y características.
Este documento presenta la asignatura Probabilidades y Estadística I impartida por el profesor Jacinto González Pachón. Incluye información sobre el horario de tutorías, grupo de estudiantes, fechas de pruebas de evaluación continua y su peso en la nota final, e introduce brevemente los conceptos de estadística descriptiva e inferencial.
El documento presenta las distribuciones de probabilidad más comunes para variables aleatorias continuas, incluyendo la distribución uniforme, la distribución normal, la distribución exponencial, la distribución de Erlang, la distribución gamma y la distribución beta. Se describe la función de probabilidad, función de distribución y características como la esperanza y varianza para cada distribución. El documento también incluye una tabla de valores de la función de distribución acumulada para la distribución normal estándar.
Este documento presenta la asignatura Probabilidades y Estadística I. Incluye información sobre el profesor, horario de tutorías, temas a cubrir, fechas de pruebas y exámenes, peso de cada parte en la calificación final, y una breve introducción a la estadística descriptiva e inferencial.
Este documento presenta un esquema sobre contrastes paramétricos. Explica los elementos básicos de un contraste como las hipótesis, regiones de rechazo y tipos de errores. Luego detalla las etapas de un contraste y métodos específicos para contrastar la media y varianza de poblaciones normales, la diferencia de medias y cociente de varianzas entre dos poblaciones normales, y proporciones con muestras grandes. El objetivo es introducir diferentes técnicas estadísticas para realizar pruebas de hipó
Este documento presenta un esquema sobre intervalos de confianza. Explica el método de la variable pivote para construir intervalos de confianza y describe cómo calcular intervalos de confianza para poblaciones normales y proporciones utilizando este método. Detalla cinco casos para poblaciones normales dependiendo de si se conocen o no la media y la varianza poblacional.
Este documento presenta un esquema sobre la estimación puntual. Incluye cinco secciones: introducción a los problemas de estimación y contraste; definición de estadísticos y estimadores; método de los momentos para calcular estimadores; método de máxima verosimilitud basado en funciones de verosimilitud; y obtención de estimadores para la distribución normal usando el teorema de Fisher.
El documento presenta un esquema inicial sobre probabilidades y estadística que incluye una introducción, muestreo, muestra aleatoria simple, media muestral y sus propiedades, distribución asintótica de la media muestral, y distribuciones asociadas a la normal como chi cuadrado, t-student y F de Snédecor.
Este documento presenta un esquema introductorio sobre inferencia estadística. El esquema incluye seis secciones: introducción, muestreo, muestra aleatoria simple, media muestral y sus propiedades, distribución asintótica de la media muestral, y distribuciones asociadas a la normal. Cada sección describe conceptos y métodos estadísticos fundamentales relacionados con la inferencia estadística.
Este documento presenta un esquema inicial sobre distribuciones de probabilidad bidimensionales que incluye: 1) distribuciones conjuntas y marginales, 2) distribuciones condicionadas, 3) independencia, 4) momentos, 5) teorema de Bayes y 6) reproductividad bajo independencia.
El documento presenta un esquema sobre variables aleatorias multidimensionales. El tema 8 cubre variables aleatorias bidimensionales, distribuciones marginales y condicionadas, independencia, momentos, el teorema de Bayes y la reproducibilidad de variables aleatorias. El documento describe conceptos clave como la distribución conjunta, las funciones de probabilidad y distribución para variables discretas y continuas, y cómo calcular distribuciones marginales a partir de la distribución conjunta.
2. Esquema inicial
1. Introducción a la probabilidad condicionada
2. Teorema de la probabilidad compuesta o producto
3. Independencia de sucesos
4. Teorema de la Probabilidad Total
5. Teorema de Bayes
Probabilidades y Estadística I
3. Esquema inicial
1. Introducción a la probabilidad condicionada
2. Teorema de la probabilidad compuesta o producto
3. Independencia de sucesos
4. Teorema de la Probabilidad Total
5. Teorema de Bayes
Probabilidades y Estadística I
4. 1. Introducción (1/5)
REGLA DE LAPLACE
Ω
#A
A P( A) =
#Ω
B Ω B
#A ∩ B
A A P( A B) =
#B
Probabilidades y Estadística I
5. 1. Introducción (2/5)
B B Ω
A A
#A ∩ B
#A ∩ B = = # Ω P( A ∩ B) P( A B)
P( A B) = #B P( B)
#B #Ω
Probabilidades y Estadística I
6. 1. Introducción (3/5)
P ( A ∩ B ) P ( B ) × P ( A B ) P ( A) × P ( B A)
= =
∩ ×
∪ +
Probabilidades y Estadística I
7. 1. Introducción (4/5)
P ( A ∩ B ) P ( B ) × P ( A)
=
?
∩ ×
∪ +
Sucesos incompatibles o disjuntos
Probabilidades y Estadística I
8. 1. Introducción (5/5)
P ( A ∩ B ) P ( B ) × P ( A B ) P ( A) × P ( B A)
= =
Probabilidades y Estadística I
9. Esquema inicial
1. Introducción a la probabilidad condicionada
2. Teorema de la probabilidad compuesta o producto
3. Independencia de sucesos
4. Teorema de la Probabilidad Total
5. Teorema de Bayes
Probabilidades y Estadística I
10. 2. Teorema de la prob. compuesta (1/4)
P ( A ∩ B ) P ( B ) × P ( A B ) P ( A) × P ( B A)
= =
? Probabilidades y Estadística I
11. 2. Teorema de la prob. compuesta (2/4)
Probabilidades y Estadística I
12. 2. Teorema de la prob. compuesta (3/4)
EJEMPLO
Una urna contiene r bolas rojas y b azules. Se extrae una bola al azar y se
observa el color. Se devuelve la bola a la urna, introduciéndose también k bolas
adicionales del mismo color. Se extrae aleatoriamente una segunda bola, se
observa el color y se devuelve a la urna junto con k bolas adicionales del mismo
color. Cada vez que se extrae una bola se repite el proceso. Si se extraen 4 bolas,
¿cuál es la probabilidad de que las tres primeras sean rojas y la cuarta azul?
SOLUCIÓN
R1 ≡ “La primera bola es roja”
b R2 ≡ “La segunda bola es roja”
r R3 ≡ “La tercera bola es roja”
A4 ≡ “La cuarta bola es azul”
Probabilidades y Estadística I
13. 2. Teorema de la prob. compuesta (4/4)
Probabilidad a calcular Configuración de la urna Resultado por Laplace
b r
P(R1 ) P(R1 ) =
r b+r
b r+k
P(R 2 | R1 ) P(R 2 | R1 ) =
r+ k b + (r + k)
b r + 2k
P(R 3 | R1 ∩ R 2 ) P(R 3 | R1 ∩ R 2 ) =
r+2k b + (r + 2k)
b
P(A 4 | R1 ∩ R 2 ∩ R 3 )
b P(A 4 | R1 ∩ R 2 ∩ R 3 ) =
r+3k b + (r + 3k)
Probabilidades y Estadística I
14. Esquema inicial
1. Introducción a la probabilidad condicionada
2. Teorema de la probabilidad compuesta o producto
3. Independencia de sucesos
4. Teorema de la Probabilidad Total
5. Teorema de Bayes
Probabilidades y Estadística I
15. 3. Independencia de sucesos (1/3)
INDEPENDENCIA
X| Y=y’j ≡ X ∀ j Y| X=x’i ≡ Y ∀ i Estadística
Descriptiva
fij = fi• × f• j ∀i ≠ j
Probabilidades y Estadística I
16. 3. Independencia de sucesos (2/3)
Probabilidad a calcular Configuración de la urna Resultado por Laplace
b r
P(R1 ) P(R1 ) =
r b+r
b r
P(R 2 | R1 ) P(R 2 ) =
r b+r
b r
P(R 3 | R1 ∩ R 2 ) P(R 3 ) =
r b+r
b b
P(A 4 | R1 ∩ R 2 ∩ R 3 ) P(A 4 ) =
r b+r
Probabilidades y Estadística I
17. 3. Independencia de sucesos (3/3)
P ( A ∩ B ) P ( B ) × P ( A)
=
∩ ×
SUCESOS INDEPENDIENTES
∪ +
SUCESOS INCOMPATIBLES
Probabilidades y Estadística I
18. Esquema inicial
1. Introducción a la probabilidad condicionada
2. Teorema de la probabilidad compuesta o producto
3. Independencia de sucesos
4. Teorema de la Probabilidad Total
5. Teorema de Bayes
Probabilidades y Estadística I
19. 4. Teorema de la probabilidad total (1/2)
k k
=
f• j ∑ fij
=
= 1= 1
i i
∑ f ji × fi• Estadística
Descriptiva
Probabilidades y Estadística I
20. 4. Teorema de la probabilidad total (2/2)
EJEMPLO
Dos cajas contienen chips grandes y chips pequeños. La primera contiene 60
grandes y 40 pequeños. Mientras que la segunda contiene 20 grandes y 10
pequeños. Se selecciona una caja al azar y se extrae un chips, ¿cuál es la proba-
bilidad de que sea un chip grande?
Probabilidades y Estadística I
21. Esquema inicial
1. Introducción a la probabilidad condicionada
2. Teorema de la probabilidad compuesta o producto
3. Independencia de sucesos
4. Teorema de la Probabilidad Total
5. Teorema de Bayes
Probabilidades y Estadística I
22. 5. Teorema de Bayes (1/4)
P( Bi ) P( A Bi ) P( Bi A)
Probabilidad del Verosimilitud de A Probabilidad del
escenario i en el escenario i escenario i después
de observar A
Probabilidades y Estadística I
23. 5. Teorema de Bayes (2/4)
EJEMPLO
Supóngase que el 30% de los ordenadores fabricados por una planta son
defectuosos. Si un ordenador es defectuoso, la probabilidad de que un
controlador lo detecte y lo saque de la cadena de producción es 0.9. Si no es
defectuoso, la probabilidad de que lo saque es 0.2.
ESCENARIO
Sacado de la cadena
Defectuosos
Sacado de la cadena
No Defectuosos
Probabilidades y Estadística I
24. 5. Teorema de Bayes (3/4)
PREGUNTA 1
Si un ordenador se saca de la cadena, ¿cuál es la probabilidad de que
sea defectuoso?
Sacado de la cadena
No defectuosos
×
Defectuosos
=
× + ×
Probabilidades y Estadística I
25. 5. Teorema de Bayes (4/4)
PREGUNTA 2
Si uno compra un ordenador que no ha sido sacado de la cadena,
¿cuál es la probabilidad de que sea defectuoso?
Sin sacar de la cadena
No defectuosos
×
Defectuosos
=
× + ×
Probabilidades y Estadística I