Este documento introduce el concepto de variable aleatoria y describe sus características principales. Explica que una variable aleatoria es una función que asigna valores numéricos a los resultados de un espacio muestral de un experimento aleatorio. Las variables aleatorias pueden ser discretas o continuas. También describe cómo calcular la distribución de probabilidad, la distribución de probabilidad acumulada, la esperanza matemática y la varianza para variables aleatorias discretas y continuas.
Es un diagrama para La asistencia técnica o apoyo técnico es brindada por las compañías para que sus clientes puedan hacer uso de sus productos o servicios de la manera en que fueron puestos a la venta.
En este documento analizamos ciertos conceptos relacionados con la ficha 1 y 2. Y concluimos, dando el porque es importante desarrollar nuestras habilidades de pensamiento.
Sara Sofia Bedoya Montezuma.
9-1.
Las lámparas de alta intensidad de descarga o lámparas de descarga de alta in...espinozaernesto427
Las lámparas de alta intensidad de descarga o lámparas de descarga de alta intensidad son un tipo de lámpara eléctrica de descarga de gas que produce luz por medio de un arco eléctrico entre electrodos de tungsteno alojados dentro de un tubo de alúmina o cuarzo moldeado translúcido o transparente.
lámparas más eficientes del mercado, debido a su menor consumo y por la cantidad de luz que emiten. Adquieren una vida útil de hasta 50.000 horas y no generan calor alguna. Si quieres cambiar la iluminación de tu hogar para hacerla mucho más eficiente, ¡esta es tu mejor opción!
Las nuevas lámparas de descarga de alta intensidad producen más luz visible por unidad de energía eléctrica consumida que las lámparas fluorescentes e incandescentes, ya que una mayor proporción de su radiación es luz visible, en contraste con la infrarroja. Sin embargo, la salida de lúmenes de la iluminación HID puede deteriorarse hasta en un 70% durante 10,000 horas de funcionamiento.
Muchos vehículos modernos usan bombillas HID para los principales sistemas de iluminación, aunque algunas aplicaciones ahora están pasando de bombillas HID a tecnología LED y láser.1 Modelos de lámparas van desde las típicas lámparas de 35 a 100 W de los autos, a las de más de 15 kW que se utilizan en los proyectores de cines IMAX.
Esta tecnología HID no es nueva y fue demostrada por primera vez por Francis Hauksbee en 1705. Lámpara de Nernst.
Lámpara incandescente.
Lámpara de descarga. Lámpara fluorescente. Lámpara fluorescente compacta. Lámpara de haluro metálico. Lámpara de vapor de sodio. Lámpara de vapor de mercurio. Lámpara de neón. Lámpara de deuterio. Lámpara xenón.
Lámpara LED.
Lámpara de plasma.
Flash (fotografía) Las lámparas de descarga de alta intensidad (HID) son un tipo de lámparas de descarga de gas muy utilizadas en la industria de la iluminación. Estas lámparas producen luz creando un arco eléctrico entre dos electrodos a través de un gas ionizado. Las lámparas HID son conocidas por su gran eficacia a la hora de convertir la electricidad en luz y por su larga vida útil.
A diferencia de las luces fluorescentes, que necesitan un recubrimiento de fósforo para emitir luz visible, las lámparas HID no necesitan ningún recubrimiento en el interior de sus tubos. El propio arco eléctrico emite luz visible. Sin embargo, algunas lámparas de halogenuros metálicos y muchas lámparas de vapor de mercurio tienen un recubrimiento de fósforo en el interior de la bombilla para mejorar el espectro luminoso y reproducción cromática. Las lámparas HID están disponibles en varias potencias, que van desde los 25 vatios de las lámparas de halogenuros metálicos autobalastradas y los 35 vatios de las lámparas de vapor de sodio de alta intensidad hasta los 1.000 vatios de las lámparas de vapor de mercurio y vapor de sodio de alta intensidad, e incluso hasta los 1.500 vatios de las lámparas de halogenuros metálicos.
Las lámparas HID requieren un equipo de control especial llamado balasto para funcionar
Inteligencia Artificial y Ciberseguridad.pdfEmilio Casbas
Recopilación de los puntos más interesantes de diversas presentaciones, desde los visionarios conceptos de Alan Turing, pasando por la paradoja de Hans Moravec y la descripcion de Singularidad de Max Tegmark, hasta los innovadores avances de ChatGPT, y de cómo la IA está transformando la seguridad digital y protegiendo nuestras vidas.
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informáticavazquezgarciajesusma
En este proyecto de investigación nos adentraremos en el fascinante mundo de la intersección entre el arte y los medios de comunicación en el campo de la informática.
La rápida evolución de la tecnología ha llevado a una fusión cada vez más estrecha entre el arte y los medios digitales, generando nuevas formas de expresión y comunicación.
Continuando con el desarrollo de nuestro proyecto haremos uso del método inductivo porque organizamos nuestra investigación a la particular a lo general. El diseño metodológico del trabajo es no experimental y transversal ya que no existe manipulación deliberada de las variables ni de la situación, si no que se observa los fundamental y como se dan en su contestó natural para después analizarlos.
El diseño es transversal porque los datos se recolectan en un solo momento y su propósito es describir variables y analizar su interrelación, solo se desea saber la incidencia y el valor de uno o más variables, el diseño será descriptivo porque se requiere establecer relación entre dos o más de estás.
Mediante una encuesta recopilamos la información de este proyecto los alumnos tengan conocimiento de la evolución del arte y los medios de comunicación en la información y su importancia para la institución.
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informáticavazquezgarciajesusma
En este proyecto de investigación nos adentraremos en el fascinante mundo de la intersección entre el arte y los medios de comunicación en el campo de la informática.
La rápida evolución de la tecnología ha llevado a una fusión cada vez más estrecha entre el arte y los medios digitales, generando nuevas formas de expresión y comunicación.
Continuando con el desarrollo de nuestro proyecto haremos uso del método inductivo porque organizamos nuestra investigación a la particular a lo general. El diseño metodológico del trabajo es no experimental y transversal ya que no existe manipulación deliberada de las variables ni de la situación, si no que se observa los fundamental y como se dan en su contestó natural para después analizarlos.
El diseño es transversal porque los datos se recolectan en un solo momento y su propósito es describir variables y analizar su interrelación, solo se desea saber la incidencia y el valor de uno o más variables, el diseño será descriptivo porque se requiere establecer relación entre dos o más de estás.
Mediante una encuesta recopilamos la información de este proyecto los alumnos tengan conocimiento de la evolución del arte y los medios de comunicación en la información y su importancia para la institución.
Actualmente, y debido al desarrollo tecnológico de campos como la informática y la electrónica, la mayoría de las bases de datos están en formato digital, siendo este un componente electrónico, por tanto se ha desarrollado y se ofrece un amplio rango de soluciones al problema del almacenamiento de datos.
1. UNIVERSIDAD NACIONAL EXPERIMENTAL
“FRANCISCO DE MIRANDA”
DPTO. DE FÍSICA Y MATEMÁTICA
CÁTEDRA: ESTADÍSTICA
TEMA Nº 3. VARIABLES ALEATORIAS
Una Variable es cualquier característica que puede tomar distintos valores. Por
ejemplo: Temperatura, Presión, Coeficiente Intelectual, Peso, Estatura, etc.
En esta unidad se tratará el término de Variables Aleatorias; se dice que una
Variable es “Aleatoria” porque involucra la probabilidad de los resultados del
espacio muestral, y dicha variable es una función definida sobre el Espacio
Muestral, de manera que transforma todos los posibles resultados del espacio
muestral en cantidades numéricas.
En términos más precisos,
VARIABLE ALEATORIA: Es una función que asigna un número real a cada
resultado del Espacio Muestral de un Experimento Aleatorio.
R
S
Por ejemplo, se sacan dos pelotas en sucesión, sin reemplazo, de una urna
que contiene 4 pelotas rojas y 3 negras. La Variable aleatoria X esta definida
como: Número de pelotas rojas.
El Espacio muestral de este experimento será: S = {RR, RN, NR, NN}
Puesto que el elemento RR contiene 2 pelotas rojas, se le asigna una valor
numérico de 2. Los elementos RN y NR contienen 1 pelota roja, entonces se le
asigna un valor de 1 y a NN se le asigna un valor de 0. Los resultados posibles
y los valores de la Variable aleatoria X, donde X es el número de pelotas rojas,
son:
S X
RR 2
2. NN 0
RN 1
NR 1
Con frecuencia se utilizará la abreviatura VA, en lugar de Variable aleatoria.
Las VA suelen representarse con letras Mayúsculas X, Y, Z, etc. del alfabeto y
con letras Minúsculas x, y, z, etc. se representa cierto valor particular de la VA
correspondiente. El conjunto de los posibles valores de la VA X se denomina
rango de X.
CLASIFICACIÓN:
1. VARIABLE ALEATORIA DISCRETA: Es aquella variable que puede
tomar un número de valores finito o infinito contable, y éstos pueden
arreglarse en una secuencia que corresponde con los enteros positivos.
Generalmente las VA discretas representan datos que se cuentan, tales
como: número de artículos defectuosos de una muestra de k artículos,
número de accidentes por año en una vía rápida. En el ejemplo anterior
de las bolas rojas y negras, dado que los valores posibles de X eran 0, 1
y 2, se dice que X es una VA discreta.
2. VARIABLE ALEATORIA CONTINUA: Es aquella cuyo conjunto de
valores abarca todo un intervalo de valores en la recta numérica.
Generalmente la VA continuas representan datos medidos, tales como:
alturas, pesos, temperaturas, distancias o periodos de vida.
Tanto las variables aleatorias Discretas como Continuas pueden asumir cada
uno de sus valores con una cierta probabilidad.
DISTRIBUCIÓN DE PROBABILIDAD PARA VARIABLES ALEATORIAS
DISCRETAS:
Para las VA Discretas la expresión que representa algún fenómeno
fundamental se conoce como Función de Distribución de Probabilidad.
Distribución de Probabilidad o Función de Probabilidad: Se refiere a la
colección de valores de la VA junto con la probabilidad asociada a cada uno de
estos valores.
La Distribución de probabilidad de una VA Discreta debe cumplir:
i) fx(X) 0, X
ii) fx (X) 1
x
iii) P(X = x) = fx(X)
3. Ej: Para el ejercicio de la urna que contenía pelotas rojas y negras, determine
la Distribución de probabilidad de X.
Los resultados del espacio muestral y los valores de X son:
S X
RR 2
NN 0
RN 1
NR 1
Cada uno de los resultados de S tiene la misma probabilidad de ocurrencia,
esto quiere decir que:
S RR RN NR NN
Probabilidad 1/4 1/4 1/4 1/4
La probabilidad de que X (número de pelotas rojas) sea 0 es = P(X = 0) = 1/4
La probabilidad de que X (número de pelotas rojas) sea 1 es = P(X = 1) = 1/4 +
1/4 = 1/2
La probabilidad de que X (número de pelotas rojas) sea 2 es = P(X = 2) = 1/4.
Entonces, la Distribución de Probabilidad de X será:
X 0 1 2
Fx(X) 1/4 1/2 1/4
FUNCIÓN DE DISTRIBUCIÓN ACUMULADA:
Hay muchos problemas en los cuales se desea calcular la probabilidad de que
el valor observado de una VA X sea menor que ( ) o igual a algún número real
x. Si se escribe Fx(X) = P(X x) número real x, se define que F(X) es la
distribución acumulada de la VA X. De tal manera, debe cumplirse:
i) Fx(X) = P(X x)= f(xi )
xi x
ii) 0 Fx(X) 1
iii) Si x y entonces, F x(X) Fy(Y)
4. Para el ejercicio anterior la Distribución Acumulada de X (Número de pelotas
rojas) es:
F(0) = P(X 0) = 1/4
F(1) = P(X 1) = P(X=0) + P(X=1) = 1/4 + 1/2 = 3/4
F(2) = P(X 2) = P(X=0) + P(X=1) + P(X=2) = 1/4 + 1/2 + 1/4 = 1
0 si x<0
1/4 0 x <1
Fx(X)=
3/4 1 x <2
1 x 2
DISTRIBUCIÓN DE PROBABILIDAD PARA VARIABLES ALEATORIAS
CONTINUAS:
Una VA Continua tiene una probabilidad cero de asumir cualquiera de sus
valores exactamente. Consecuentemente, su distribución no puede darse en
forma tabular como en el caso de las VA Discretas. A pesar de ello, sí puede
tener una fórmula. Dicha fórmula, necesariamente, debe ser una función de los
valores numéricos de la Variable continua X y como tal, será expresada por la
notación funcional f(x).
Al tratar con Variables continuas, f(x) por lo general se llama función de
densidad de probabilidad, o simplemente, función de densidad de X.
La función f(x) es una función de densidad de probabilidad para la VA
Continua X, definida en el conjunto de los números reales si:
i) f(x) 0 X R
ii) f(x)dx 1
b
iii) P(a < x < b) = f(x)dx
a
Ej: Supóngase que la variable aleatoria que representa la proporción de
accidentes automovilísticos en cierta ciudad presenta la siguiente función de
densidad:
x2 si 0<x 1
fx(X)=
0 para cualquier otro valor
5. ¿Cuál es la probabilidad de que no más del 25% de los accidentes sean
fatales? En otras palabras, ¿cuál es P(X 0,25)?
1/4 1/4
2 x3 1
P(X 0,25) = F(0,25) = x dx
0
3 0
192
DISTRIBUCIÓN ACUMULADA:
La distribución acumulada F(X) de una VA Continua X con una función de
densidad f(x) es:
x
F(X) = P(X x) = f(t)dt para x
Para el ejercicio anterior encontraremos F(X) para 0 < x 1
x x
2 t3 X3
F(X) t dt
0
3 0
3
Por lo tanto,
0 si x 0
X3
Fx(X)= 3 0< x <1
1 x 1
ESPERANZA MATEMÁTICA (VALOR ESPERADO) Y VARIANZA DE UNA
VARIABLE ALEATORIA:
La media (o valor esperado) de una variable aleatoria no es más que el valor
promedio de dicha variable después de un número grande de experimentos. Se
hará referencia a este valor promedio como la media de la VA X o la media de
la distribución de probabilidad de X, y se expresa como x. También es
común expresarla como E(X).
La media o valor esperado de una VA Discreta puede obtenerse al multiplicar
cada uno de los valores x1, x2,…, xn de la VA X por sus correspondientes
probabilidades f(x1), f(x2),…, f(xn) y entonces, se suman todos los productos. En
el caso de VA Continuas, la definición de valor esperado es esencialmente la
misma, con la diferencia de que las sumas se sustituyen por integrales.
6. μx E(X) x f(x) Si X es Discreta
x
μx E(X) x f(x) dx Si X es Continua
Ej: Encuentre la Media o Valor esperado de la siguiente variable aleatoria
discreta X, cuya Distribución de Probabilidad se presenta a continuación:
X 0 1 2 3
f(x) 1/8 1/4 3/8 1/4
μx E(X) x f(x) = 0x1/8 + 1x1/4 + 2x3/8 + 3x1/4 = 1,75
x
Ej: Para la siguiente VA Continua cuya Función de densidad aparece a
continuación, encuentre su media.
3x 2
fx(X)= 8 0< x <2
0 en otro caso
2 2 2
3x2 3 3 31 4 3
μx E(X) x f(x) dx = x dx x dx x 1,5
0
8 80 84 0 2
VARIANZA DE UNA VARIABLE ALEATORIA:
El término de varianza con el que se trabajará para las VA mantendrá el mismo
significado que se vio en el tema nº1 en cuanto a las Medidas de Dispersión.
La Varianza de una VA representa el grado de Variabilidad o Dispersión que
posee la Distribución de Probabilidad de dicha Variable Aleatoria y se
representa por Var(X) o σ 2 .
x
Sea X una VA con distribución de probabilidad f(x) y media x. La varianza de X
esta dad por:
2 2
σ2
x E X μ X μ f(x) Si X es discreta
x
2 2
σ2
x E X μ X μ f(x)dx Si X es continua
7. Teorema: La varianza de una VA X también está dada por: σ2
x E(x 2 ) μ2
x
Ej: Para los ejercicios anteriores determine la Varianza de la VA X.
En el caso Discreto:
3
2 2 2 2 2
σ2
x x 1,75 f(x) 0 1,75 18 1 1,75 14 2 1,75 38 3 1,75 14
x 0
15
σ2
x 0,9375
16
En el caso Continuo:
2 2 2
2 2 3 2 3 9 2
σ 2
x X 1,5 f(x)dx X 1,5 x dx x 4 3x3 x dx
0 0
8 80 4
2
3 5 9 4 9 3 3
σ 2
x x x x 0,15
40 32 32 0 20