viernes, 28 de marzo de 2014

Tema 8: Variables aleatorias multidimensionales + Clase de problemas (IX)

Clase del miércoles 2 de abril de 2014





En la primera parte de la clase vamos a resumir los conceptos básicos del Tema 8 sobre variables aleatorias multidimensionales. 


En concreto, y por motivos pedagógicos, nos vamos a centrar en vectores aleatorios bidimensionales.

Muchas veces resulta interesante medir más de una característica en un fenómeno aleatorio. Por ejemplo, al estudiar la contaminación del agua tendremos que tener en cuenta factores como los de la concentración de diversos contaminantes presentes en esta, o en un proceso de producción de tornillos nos podría interesar controlar aspectos como su longitud o su grosor.

Se introducirán los conceptos de distribución conjunta, marginal, condicionada, independencia de variables aleatorias, momentos de una variable aleatoria bidimensional asociados a una distribución conjunta, la formulación del Teorema de Bayes con variablea aleatorias y la reproductividad de distribuciones.

Aviso: Recordad que la teoría de este tema no entra en el examen de la UD 2 y 3


En la segunda parte de la clase, se plantearán y resolverán problemas de la UD 3. Este es el listado de problemas que se resolverán en clase, ordenados por orden de exposición:

  • Ejercicios adicionales 3, 5 y 8 del Tema 7 (Moodle)


Estas serán las trasparencias que se utilicen en clase para la primera parte de la clase:



miércoles, 26 de marzo de 2014

Tema 7: Algunas distribuciones continuas (2ª parte) + Clase de problema (VIII)

Clase del viernes 28 de marzo de 2014

En la segunda parte de Tema 7, primera de la clase de hoy, se describirán cuatro clases de distribuciones continuas: Exponencial, Erlang, Gamma y Beta.

Las dos primeras están relacionadas con el proceso de Poisson. La génesis de la distribución exponencial se encuentra en la variable aleatoria que cuantifica el tiempo que trascurre desde un origen hasta que suceda el primer suceso de Poisson; mientras que el de la Erlang  se encuentra asociado a la variable aleatoria que cuantifica el tiempo que trascurre desde un origen hasta que suceda el suceso p-ésimo de Poisson .

El origen de la distribución Gamma es la generalización teórica de la Erlang considerando que p es un número real positivo. Para extender la Erlang necesitaremos extender el concepto de factorial. Esta extensión se hará mediante la denominada función Gamma.



Finalmente, el origen de la distribución Beta es considerar al parámetro p, que representa la probabilidadde un suceso, como una variable aletoria continua acotada entre 0 y 1.


Para esta primera parte, las trasparencias de la clase son las siguientes:


En la segunda parte de la clase, se plantearán y resolverán problemas de la UD 3. Este es el listado de problemas que se resolverán en clase, ordenados por orden de exposición:

  • Ejercicios adicionales 6, 2, 3, 5 y 8 del Tema 7 (Moodle)