Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ES - Examen 1
ES - Examen 1
“El que sean aleatorios, significa simplemente que no es posible predecir con
entera exactitud sus resultados”.
Esperanza E( X)= p
Función de probabilidad:
f ( x )=P ( X =x ; n , p )= n p x q n−x
()x
En el Intervalo I ={0,1, … , n }(x), y con q=1− p
Esperanza E( X)=np
Ejemplo: Un paciente que padece una rara enfermedad de la sangre tiene 0.04 de
probabilidad de recuperarse. Si se sabe que 1000 personas contrajeron esta
enfermedad, ¿cuál es la probabilidad de que sobrevivan menos de 300?
Función de densidad
2
f ( x ; a , b )=
1 {
e
−(x−a)
2b
2 }
√2 π σ
En el Intervalo I R (X ) =−∞<a< ∞ , b> 0
Esperanza E( X)=a
Varianza Var (X )=b2
Función de densidad −λ λk
f ( x )=P ( X =k ) =e
k!
En el Intervalo I {0,1 , … }( x )=λ> 0
Esperanza E( X)=λ
Varianza Var ( X )= λ
Ejemplo: Un paciente que padece una rara enfermedad de la sangre tiene 0.04 de
probabilidad de recuperarse. Si se sabe que 1000 personas contrajeron esta
enfermedad, ¿cuál es la probabilidad de que sobrevivan menos de 300?
Solución: “X ” cuenta el numero de personas que sobreviven. “
X ∼ Bin(n=1000 , p=0.04)”, “X ∼ Pois (λ=1000∗0.04=40)”
≈ 1= ppois(299,40)
Comandos en RStudio:
Escalas de Medición:
4. Varianza: Es σ 2=2.255657.
2 1
Calculando σ = [ (2−1.87 )2 + ( 3−1.87 )2+ …]
n−1
Queda σ 2=2.255657.
5. Desviación estándar: Es σ =1.501884.
Calculando σ =√ 2.255657.
Queda σ =1.501884 .
Datos:
2+3+1+1+2+0+1+0+5+2+4+0+2+6+5+2+3+2+0+2+1+4+3+2+0+4+2+3+0+2+1+3+
2+3+0+1+2+0+1+3+2+2+1+3+3+4+1+2+0+3+0+1+4+1+3+1+3+4+1+3+1+0+3+0+
0+2+6+3+2+1+4+1+3+0+5+4+3+0+4+2+1+1+2+0+0+1+1+1+2+0+1+1+2+0+4+1+
0+2+0+1
Datos
x=as.matrix(Datos[,12])
mean(x)#Promedio es1.87
median(x)#mediana es 2
table(x)#moda es 1 que aparece 25 veces
var(x)#varianzza es 2.255657
sd(x)#sd es 1.501884
Rango=max(x)-min(x)#rango es 6
Rango#Rango es 6
Ley de los grandes números:
#usando simulación
p=.6
k=100000
x=rbinom(k,1,p)
mean(x)
n=15
p=.5
k=10000
Y=rbinom(k,n,p)
mean(Y)
k=100000
x=rnorm(k,0,1)
length(which((x<2)&(x>=0)))/k#frecuencia relativa de una muestra
pnorm(2,0,1)-pnorm(0,0,1)#Probabilidad teorica
k=100000
x=rbinom(k,10,.5)
length(which((x<3)&(x>=0)))/k#frecuencia relativa de una muestra
pbinom(2,10,.5)+pbinom(1,10,.5)+pbinom(0,10,.5)#Probabilidad teórica
sum(dbinom(0:2,10,.5))#Probabilidad teórica BUENA
Histogramas:
Algoritmo:
Datos:
0+ 0+0+0+ 0+0+0+ 0+0+0+ 0+0+0+ 0+0+0+ 0+0+ 0+0+0+1+1+1+1+1+1+1+1+1+1+1+ 1+ 1+ 1+1+1+
Histograma
30
25
20
15
10
5
0
[0, 0.6] (0.6, 1.2) (1.2, 1.8) (1.8, 2.4) (2.4, 3) (3, 3.6) (3.6, 4.2) (4.2, 4.8) (4.8, 5.4) (5.4, 6)
Histograma
Datos:
0+ 0+0+0+ 0+0+0+ 0+0+0+ 0+0+0+ 0+0+0+ 0+0+ 0+0+0+1+1+1+1+1+1+1+1+1+1+1+ 1+ 1+ 1+1+1+
x=as.matrix(Datos[,12])
#1.-k es 10
n=length(x)
k=round(sqrt(n),0)
k
#2.-Rango es 6
R=max(x)-min(x)
R
#3.-R/k es 0.6
L=R/k
L
#4.-
#5.-frecuencia
sort(x)
freq=length(which((x>=min(x)&(x<=min(x)+L))))
freq=length(which((x>=min(x)+L)&(x<=min(x)+2*L)))
freq=c()
con=min(x)
freq[1]=length(which((x>=min(x)&(x<=min(x)+L))))
for(i in 2:10)
{
con=con+L
freq[i]=length(which(((x>con)&(x<=con+L))))
}
#6. Graficar
plot(1:10,freq, type="h")
plot(0:9,freq/100,type="h")
#función directa
hist(x,nclass=10,freq = FALSE)
points(0:9,freq/100,type="h")