Академический Документы
Профессиональный Документы
Культура Документы
=
!
! !
Donde:
: es la cantidad total de elementos
: cantidad de elementos a seleccionar
5
Probabilidad Condicional
Es la probabilidad de que un evento A ocurra
dado el hecho de que B ocurri. Se define como:
=
Sin embargo calcular , no siempre es
sencillo, por lo tanto se utiliza el teorema de
Bayes, llegando a la expresin
=
6
Ejemplo
A es la probabilidad de obtener el nmero 4 en
un dado y B es la probabilidad de obtener un
nmero par. Calcule .
=
1
6
=
1
2
= 1
Por lo tanto:
=
=
1
6
1
2
=
1
3
7
Eventos Independientes
Dos eventos son independientes si uno de ellos
no tiene ningn efecto de probabilidad de
ocurrencia sobre el otro. Dos eventos
independientes se pueden expresar
matemticamente de varias maneras, por
ejemplo:
=
=
=
8
Variables aleatorias (VA).
Funcin definida en un espacio muestral
asignando cada resultado del experimento un
valor real llamado rango
.
Representacin:
Letras maysculas : IR
Tipos:
Discretas
Continuas
Distribucin de Probabilidad ()
Definida como
Condiciones a satisfacer
Funcin de distribucin de probabilidad
()
= ( )
Propiedades:
0
= 0
= 1
si
( ) =
Funcin de Densidad de Probabilidad (pdf)
Propiedades
Valor esperado de una variable aleatoria
Es el valor medio de un evento aleatorio.
Propiedades
Varianza
Medida de cuanto se espera que vari el
evento medido.
1. [] = [
2
]
2
2. [] = 0
3. [ + ] =
2
Se suele representar como
2
Momentos centrados
Para una variable aleatoria esta definido como
15
= [
]
Donde
3
=
3
Permite definir la asimetra de la variable
aleatoria.
16
Asimetra
1 =
[
3
]
3
coeficiente de asimetra
1 > 0 la distribucin es asimtrica positiva o a la derecha
1 < 0 la distribucin asimtrica es negativa a la izquierda
1 = 0 distribucion es simetrica
Una variable aleatoria es
llamada Uniforme si su pdf
es un valor constante entre
dos lmites; esto indica que
la VA tiene igual
probabilidad de obtener
cualquier valor entre sus
lmites, pero probabilidad
cero de obtener un valor
fuera de sus lmites:
17
Figura 3. Funcin de densidad de
probabilidad de una VA uniformemente
distribua entre -1 y 1
TIPOS DE VARIABLES ALEATORIAS
Ejemplo
Encontrar media y varianza de una VA uniformemente
distribuida entre 1 y 3. Con Pdf igual al
18
Media:
x xf
X
(x)dx
x
1
2
x dx
1
3
x 2
X
2
1
2
(x x)
2
f (x)dx
2
X
1
2
(x 2)
2
dx
1
3
2
X
1
3
Varianza:
Una Variable aleatoria es
llamada Gaussiana o
Normal si su pdf est dada
por
19
f
X
(x)
1
2
exp
(x x)
2
2
2
x Media
Desviacin
Estndar
X N(x,
2
)
Varianza
Figura 4. Funcin de densidad de
probabilidad de una VA Gaussiana, con
media de 0 y varianza 1
La pdf de una VA Gaussiana
est dada por
20
F
x
(x)
1
2
exp
(z x)
2
2
2
dz
F
x0
(x)
1
2
exp
z
2
2
dz
F
x
(x) F
X0
(
x x
)
F
x
(x) 1
1
(1 a)x +a x
2
+b
exp( x
2
/ 2)
2
a 0.339
b 5.510
Se supone una VA Con
media 0 y pdf simtrica.
m
i
E(X
i
)
m
i
x
i
f
X
(x)dx
Si i es impar
x
i
( x)
i
f
X
(x) f
X
( x)
m
i
x
i
f
X
(x)dx
0
X
2
exp
[(y b) / a x
2
2
X
f
Y
(y)
1
a
X
2
exp
[y (ax b)]
2
2a
2
2
X
y ax +b
Y
2
a
2
X
2
Media y Varianza
X N(x,
X
2
)
Ejemplo 2
Hallar la pdf de una funcin lineal de una VA Gaussiana.
Suponer
23
X N(0,
X
2
)
X h(Y) g
1
(y)
X Y
1/3
h'(y)
y
2/3
3
f
Y
(y) h'(y) f
X
[h(y)]
f
Y
(y)
y
2/3
3
1
X
2
exp
[(x
2
)
2
2
X
f
Y
(y)
y
2/3
3
1
X
2
exp
y
2/3
2
2
X
Y g(X) X
3
Y X
3
Convierte una VA
Gaussiana en una no-
Gaussiana
La transformacin
Bibliografa
[1] Dan Simon. Optimal State Estimation: Kalman, H infinity and Nonlinear
Approaches. John Wiley. 2006
[2] Iral Palomino, Ren. Notas Curso Estadstica I. Universidad Nacional
de Colombia, Sede Medellin.
24