Buscar
- Filtrar resultados
- Ubicación
- Clasificación
- Incluir datos adjuntos
- https://espanol.libretexts.org/Estadisticas/Teoria_de_Probabilidad/Probabilidad%2C_estad%C3%ADstica_matem%C3%A1tica_y_procesos_estoc%C3%A1sticos_(Siegrist)/02%3A_Espacios_de_probabilidadLos temas básicos de este capítulo son fundamentales para la teoría de la probabilidad, y deben ser accesibles para los nuevos estudiantes de probabilidad. Partimos del paradigma del experimento aleat...Los temas básicos de este capítulo son fundamentales para la teoría de la probabilidad, y deben ser accesibles para los nuevos estudiantes de probabilidad. Partimos del paradigma del experimento aleatorio y su modelo matemático, el espacio de probabilidad. Los objetos principales en este modelo son espacios de muestra, eventos, variables aleatorias y medidas de probabilidad. También estudiamos varios conceptos de importancia fundamental: probabilidad condicional e independencia.
- https://espanol.libretexts.org/Estadisticas/Teoria_de_Probabilidad/Probabilidad%2C_estad%C3%ADstica_matem%C3%A1tica_y_procesos_estoc%C3%A1sticos_(Siegrist)/04%3A_Valor_esperado/4.09%3A_Valor_esperado_como_IntegralPara el segundo caso especial, supongamos que(S,S,λn) es un espacio de medida euclidiana, por lo queS es un subconjunto medible de Lebesgue de\Rn para algunos\( n \i...Para el segundo caso especial, supongamos que(S,S,λn) es un espacio de medida euclidiana, por lo queS es un subconjunto medible de Lebesgue de\Rn para algunosn∈\N+,S es elσ -álgebra de los subconjuntos medibles de Lebesgue deS, yλn es la medida de Lebesgue en (S,S).
- https://espanol.libretexts.org/Estadisticas/Teoria_de_Probabilidad/Probabilidad%2C_estad%C3%ADstica_matem%C3%A1tica_y_procesos_estoc%C3%A1sticos_(Siegrist)/03%3A_Distribuciones/3.03%3A_Distribuciones_MixtasEn las dos secciones anteriores, se estudiaron los meausres de probabilidad discretos y las medidas de probabilidad continuas. En esta sección, estudiaremos la medida de probabilidad que sean combinac...En las dos secciones anteriores, se estudiaron los meausres de probabilidad discretos y las medidas de probabilidad continuas. En esta sección, estudiaremos la medida de probabilidad que sean combinaciones de los dos tipos. Una vez más, si eres un nuevo estudiante de probabilidad es posible que quieras saltarte los detalles técnicos.
- https://espanol.libretexts.org/Estadisticas/Teoria_de_Probabilidad/Probabilidad%2C_estad%C3%ADstica_matem%C3%A1tica_y_procesos_estoc%C3%A1sticos_(Siegrist)/04%3A_Valor_esperado/4.05%3A_Covarianza_y_Correlaci%C3%B3nMostramos queL(Y∣X)+L(Z∣X) satisfacen las propiedades que caracterizanL(Y+Z∣X). \ begin {align}\ E\ left [L (Y\ mid X) + L (Z\ mid X)\ right] & =\ E\ left [L (Y\ mid X)\...Mostramos queL(Y∣X)+L(Z∣X) satisfacen las propiedades que caracterizanL(Y+Z∣X). \ begin {align}\ E\ left [L (Y\ mid X) + L (Z\ mid X)\ right] & =\ E\ left [L (Y\ mid X)\ right] +\ E\ left [L (Z\ mid X)\ right] =\ E (Y) +\ E (Z) =\ E (Y + Z)\\ cov\ left [X, Y (\ media X) + L (Z\ media X)\ derecha] & =\ cov\ izquierda [X, L (Y\ media X)\ derecha] +\ cov\ izquierda [X, L (Z\ media X)\ derecha] =\ cov (X, Y) +\ cov (X, Z) =\ cov (X, Y + Z)\ fin {align}
- https://espanol.libretexts.org/Estadisticas/Teoria_de_Probabilidad/Probabilidad%2C_estad%C3%ADstica_matem%C3%A1tica_y_procesos_estoc%C3%A1sticos_(Siegrist)/16%3A_Procesos_de_Markov/16.06%3A_Distribuciones_Estacionarias_y_Limitantes_de_Cadenas_Discretas_de_TiempoSix≠y, eln=0 término en la primera suma y eln=τx término en la segunda suma son 0 con probabilidad 1, entonces nuevamente las dos sumas son iguales.) De ahí a\[ \gamma_x(...Six≠y, eln=0 término en la primera suma y eln=τx término en la segunda suma son 0 con probabilidad 1, entonces nuevamente las dos sumas son iguales.) De ahí aγx(y)=\E(∞∑n=1\bs1(Xn=y,τx≥n)|X0=x)=∞∑n=1\P(Xn=y,τx≥n∣X0=x) continuación particionamos los valores deXn−1 en la suma para obtener\ begin {align*}\ gamma_x (y) & =\ sum_ {n=1} ^\ infty\ sum_ {z\ in S}\ P (…
- https://espanol.libretexts.org/Estadisticas/Teoria_de_Probabilidad/Probabilidad%2C_estad%C3%ADstica_matem%C3%A1tica_y_procesos_estoc%C3%A1sticos_(Siegrist)/14%3A_El_proceso_de_Poisson/14.06%3A_Procesos_Poisson_no_homog%C3%A9neosEn particular,T1 tiene función de densidad de probabilidadf1 dada porf1(t)=r(t)e−m(t),t∈[0,∞) Recordemos que en términos de confiabilidad,r es la func...En particular,T1 tiene función de densidad de probabilidadf1 dada porf1(t)=r(t)e−m(t),t∈[0,∞) Recordemos que en términos de confiabilidad,r es la función de tasa de fallas, y que la función de confiabilidad es la función de distribución correcta:Fc1(t)=\P(T1>t)=e−m(t),t∈[0,∞) En general, la forma funcional de fnes claramente similar a la función de densidad de probabilidad de la distribución gamma, y d…
- https://espanol.libretexts.org/Estadisticas/Teoria_de_Probabilidad/Probabilidad%2C_estad%C3%ADstica_matem%C3%A1tica_y_procesos_estoc%C3%A1sticos_(Siegrist)/16%3A_Procesos_de_Markov/16.17%3A_Matrices_PotencialesEntonces paraα∈[0,∞) y(x,y)∈S2,\ comenzar {alinear*} U_\ alpha (x, y) & =\ int_0^\ infty e^ {-\ alpha t} P_t (x, y)\, dt\\ & =\ int_0^\ infty e^ {-\ alpha t}\ left [e^...Entonces paraα∈[0,∞) y(x,y)∈S2,\ comenzar {alinear*} U_\ alpha (x, y) & =\ int_0^\ infty e^ {-\ alpha t} P_t (x, y)\, dt\\ & =\ int_0^\ infty e^ {-\ alpha t}\ left [e^ {-\ lambda (x) t} I (x, y) +\ lambda (x) e^ {-\ lambda (x) t}\ int_0^t e^ {\ lambda (x) r} Q P_r (x, y)\, dr\ derecha] dt\\ & = I (x, y)\ int_0^\ infty e^ {- [\ alfa +\ lambda (x)] t} dt +\ lambda (x)\ int_0^\ infty\ int_0^t e^ {- [\ alpha +\ lambda (x)] t} e^ {\ lambda (x) r} Q P_r (x, y)\, dr\, …
- https://espanol.libretexts.org/Estadisticas/Teoria_de_Probabilidad/Probabilidad%2C_estad%C3%ADstica_matem%C3%A1tica_y_procesos_estoc%C3%A1sticos_(Siegrist)/05%3A_Distribuciones_especiales/5.09%3A_Chi-Cuadrado_y_Distribuci%C3%B3n_RelacionadaEn esta sección estudiaremos una distribución, y algunos familiares, que tienen especial importancia en la estadística. En particular, la distribución chi-cuadrada surgirá en el estudio de la varianza...En esta sección estudiaremos una distribución, y algunos familiares, que tienen especial importancia en la estadística. En particular, la distribución chi-cuadrada surgirá en el estudio de la varianza muestral cuando la distribución subyacente sea normal y en pruebas de bondad de ajuste.
- https://espanol.libretexts.org/Estadisticas/Teoria_de_Probabilidad/Probabilidad%2C_estad%C3%ADstica_matem%C3%A1tica_y_procesos_estoc%C3%A1sticos_(Siegrist)/02%3A_Espacios_de_probabilidad/2.01%3A_Experimentos_aleatoriosPor lo general, hay una o más mediciones numéricas de interés para nosotros: la altura y el peso de una persona, la vida útil de un chip de memoria, la cantidad de lluvia, la cantidad de fertilizante ...Por lo general, hay una o más mediciones numéricas de interés para nosotros: la altura y el peso de una persona, la vida útil de un chip de memoria, la cantidad de lluvia, la cantidad de fertilizante y el rendimiento de un acre de maíz.
- https://espanol.libretexts.org/Estadisticas/Teoria_de_Probabilidad/Probabilidad%2C_estad%C3%ADstica_matem%C3%A1tica_y_procesos_estoc%C3%A1sticos_(Siegrist)/01%3A_Fundaciones/1.12%3A_Estructuras_de_Conjuntos_EspecialesEntonces(A×B)c=(Ac×B)∪(A×Bc)∪(Ac×Bc) existe una colección finita, disjunta{Ai:i∈I} de conjuntos enS y una colección fini...Entonces(A×B)c=(Ac×B)∪(A×Bc)∪(Ac×Bc) existe una colección finita, disjunta{Ai:i∈I} de conjuntos enS y una colección finita, disjunta{Bj:j∈J} de conjuntos enT tal queAc=⋃i∈IAi yBc=⋃j∈JBj.
- https://espanol.libretexts.org/Estadisticas/Teoria_de_Probabilidad/Probabilidad%2C_estad%C3%ADstica_matem%C3%A1tica_y_procesos_estoc%C3%A1sticos_(Siegrist)/00%3A_Materia_Frontal/03%3A_Introducci%C3%B3n
