05 - Funciones de densidad de probabilidad
•Transferir como ODP, PDF•
5 gostaram•15,752 visualizações
![05 – Funciones de densidad de probabilidad ,[object Object],[object Object],[object Object],[object Object]](https://image.slidesharecdn.com/05-vacontinuas-100323143103-phpapp01/85/05-Funciones-de-densidad-de-probabilidad-1-320.jpg)
![Contenido ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (19)
Destaque
Destaque (20)
Semelhante a 05 - Funciones de densidad de probabilidad
Semelhante a 05 - Funciones de densidad de probabilidad (20)
Mais de Diego Andrés Alvarez Marín
Mais de Diego Andrés Alvarez Marín (15)
05 - Funciones de densidad de probabilidad
- 6. FDP Uniforme ~ U ( a , b )
- 11. FDP Beta ~ B ( α , β )
- 14. La FDA Beta ~ B ( α , β )
- 15. La FDP Beta de cuatro parámetros ~ B ( α , β , a , b )
- 20. Ejemplo FDP Beta Resultado de la ejecución:
- 29. FDP exponencial ~ Exp(λ)
- 40. Deducción de la FDP exponencial
- 43. Propiedad de la falta de memoria
- 44. Ejemplo
- 53. La FDA normal estándar donde, FDP normal estándar: observe que es equivalente a F X ( x ;0,1) Cambio de variables:
- 54. Transformación a la FDA normal estándar es una variable aleatoria normalmente distribuída ~ N ( μ =0, σ =1 ) por lo tanto,
- 56. Probabilidades bajo la FDP normal
- 61. Dibujo de probabilidad normal en MATLAB con normplot http://en.wikipedia.org/wiki/Normal_probability_plot Este es un test visual de normalidad.
- 67. Ejemplo 2: FDP normal
- 68. Teorema del límite central
- 72. Ejemplo del teorema del límite central
- 74. La combinación lineal de variables aleatorias normales también es normal Ejemplo:
- 75. Deducción de la FDP normal
Notas do Editor
- % Número de puntos a simular n = 10000; % Organizo los parámetros de la FDP beta a = 0; b = 360; alpha = 1.25; beta = 2.2; % Genero los números aleatorios x = a + betarnd(alpha,beta,n,1)*(b-a); % A partir de aquí podemos suponer que el vector x representa lecturas de campo % Calculo el histograma N = ceil(sqrt(n)); [nn,xout] = hist(x,N); nn = nn./sum((xout(2)-xout(1))*nn); % Dibujo el histograma vs la FDP beta figure, hold on subplot(1,2,1); bar(xout,nn,'hist'); xx = linspace(a,b,100); plot(xx, betapdf((xx-a)/(b-a),alpha,beta)/(b-a), 'r-','LineWidth',3); title('Histograma vs FDP beta'); xlabel('Direccion del viento entre 0 y 360 grados'); ylabel('f_X(x)'); ejes = axis; axis([a b ejes(3:4)]); subplot(1,2,2); rose(x*pi/180,N); title('Histograma'); xlabel('Direccion del viento entre 0 y 360 grados'); % Estimo utilizando el método de máxima verosimilitud los parámetoros % a y b que mejor representan los datos par_a_b = betafit((x-a)/(b-a))