diff --git a/02-VariablesAleatorias_y_Distribuciones.Rmd b/02-VariablesAleatorias_y_Distribuciones.Rmd index c134d41..6d36d42 100644 --- a/02-VariablesAleatorias_y_Distribuciones.Rmd +++ b/02-VariablesAleatorias_y_Distribuciones.Rmd @@ -1,6 +1,6 @@ # Variables aleatorias y Distribuciones de probabilidad -# Ejercicio 2.1 +## Ejercicio 2.1 Se sabe que la presencia de algunas mutaciones en una región genómica puede influir en la sobreexpresión ("Up") o la inhibición ("Down") de dos genes distintos. Se conocen 6 variantes de dicha mutación y, dado que los efectos de la sobreexpresión de los dos genes son muy similares se ha optado por contar únicamente cuántos genes se sobre-expresan en presencia de cada una de ellas (un individuo puede presentar una única variante). Un estudio realizado sobre 300 pacientes ha permitido estimar las siguientes probabilidades de aparición de cada mutación así como el número de genes sobre-expresados asociados a las mismas. Los resultados se encuentran disponibles en la tabla siguiente: @@ -126,7 +126,7 @@ varianza
-# Ejercicio 2.2 +## Ejercicio 2.2 Para describir el número de mutaciones presentes en un volumen estándar de un tumor unos investigadores han propuesto el modelo siguiente @@ -274,7 +274,7 @@ P_X_2 -# Ejercicio 2.3 +## Ejercicio 2.3 Un modelo simplificado del tiempo de supervivencia, en años, tras un diagnóstico de una variante de leucemia es el siguiente: @@ -460,7 +460,7 @@ $$ Por lo tanto, el nuevo modelo de densidad es $g_X(x) = \exp(-x)$. -# Ejercicio 2.4 +## Ejercicio 2.4 Para estudiar la regulación hormonal de una línea metabólica se inyectan ratas albinas con un fármaco que inhibe la síntesis de proteínas del organismo. En general, 4 de cada 20 ratas mueren a causa del fármaco antes de que el experimento haya concluido. Si se trata a 10 animales con el fármaco, ¿cuál es la probabilidad de que al menos 8 lleguen vivas al final del experimento? @@ -531,7 +531,7 @@ Si usamos la funcion de distribución, `pbinom` Naturalmente ambos resultados coinciden. Obsérvese que al ser $p=0.8$ valores altos resultan bastante probables, con lo que la -# Ejercicio 2.5 +## Ejercicio 2.5 En una cierta población se ha observado un número medio anual de 12 muertes por cáncer de pulmón. Si el número de muertes causadas por la enfermedad sigue una distribución de Poisson, ¿cuál es la probabilidad de que durante el año en curso: 1. haya exactamente 10 muertes por cáncer de pulmón? @@ -607,7 +607,7 @@ prob_10_o_menos ``` -# Ejercicio 2.6 +## Ejercicio 2.6 Los daños a los cromosomas del óvulo o del espermatozoide, pueden causar mutaciones que conducen a abortos, defectos de nacimiento, u otras deficiencias genéticas. Un estudio sobre los efectos teratogénicos de la radiación ha determinado que la probabilidad de que tal mutación se produzca por radiación es del 10\%. El resto son atribuibles a otras causas. Una vez detectadas 150 mutaciones, @@ -724,7 +724,7 @@ prob_pois_10 Ambos métodos dan resultados similares, pero el modelo de Poisson es útil para simplificar los cálculos cuando el número total de mutaciones es grande y la probabilidad de cada evento es pequeña. -# Ejercicio 2.7 +## Ejercicio 2.7 Entre los diabéticos, el nivel de glucosa en sangre $X$, en ayunas, puede suponerse de distribución aproximadamente normal, con media $106 \mathrm{mg} / 100 \mathrm{ml}$ y desviación típica $8 \mathrm{mg} / 100 \mathrm{ml}$, es decir : $X \sim N\left(\mu=106, \sigma^{2}=64\right)$. @@ -733,13 +733,13 @@ a) El porcentaje de diabéticos con niveles de glucosa inferiores a 120 ( $P[X \ b) ¿Qué porcentaje de diabéticos tienen niveles comprendidos entre 90 y 120? c) Hallar el nivel de glucosa "p25", caracterizado por la propiedad de que el $25 \%$ de todos los diabéticos tiene un nivel de glucosa en ayunas inferior o igual a $x$. -# Ejercicio 28 +## Ejercicio 28 Se supone que la glucemia basal en individuos sanos, $X_{s}$ sigue una distribución $X \sim N(\mu=80, \sigma=10)$, mientras que en los diabéticos $X_{d}$, sigue una distribución $X \sim N(\mu=160, \sigma=31.4)$. Si se conviene en clasificar como sanos al $2 \%$ de los diabéticos: a) ¿Por debajo de qué valor se considera sano a un individuo? ¿Cuántos sanos serán clasificados como diabéticos? b) Se sabe que en la población en general el $10 \%$ de los individuos son diabéticos ¿cuál es la probabilidad de que un individuo elegido al azar y diagnosticado como diabético, realmente lo sea? -# Ejercicio 2.9 +## Ejercicio 2.9 Supóngase que se van a utilizar 20 ratas en un estudio de agentes coagulantes de la sangre. Como primera experiencia, se dio un anticoagulante a 10 de ellos, pero por inadvertencia se pusieron todas sin marcas en el mismo recinto. Se necesitaron 12 ratas para la segunda fase del estudio y se le tomó al azar sin reemplazamiento. ¿Cuál es la probabilidad de que de las 12 elegidas 6 tengan la droga y 6 no la tengan? diff --git a/Ejercicios-de-Inferencia-Estadistica.log b/Ejercicios-de-Inferencia-Estadistica.log new file mode 100644 index 0000000..ae81969 --- /dev/null +++ b/Ejercicios-de-Inferencia-Estadistica.log @@ -0,0 +1,789 @@ +This is pdfTeX, Version 3.141592653-2.6-1.40.26 (MiKTeX 24.4) (preloaded format=pdflatex 2024.10.16) 24 OCT 2024 09:33 +entering extended mode + restricted \write18 enabled. + %&-line parsing enabled. +**./Ejercicios-de-Inferencia-Estadistica.tex +(Ejercicios-de-Inferencia-Estadistica.tex +LaTeX2e <2024-06-01> patch level 2 +L3 programming layer <2024-08-30> +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/base\article.cls +Document Class: article 2024/02/08 v1.4n Standard LaTeX document class +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/base\size10.clo +File: size10.clo 2024/02/08 v1.4n Standard LaTeX file (size option) +) +\c@part=\count194 +\c@section=\count195 +\c@subsection=\count196 +\c@subsubsection=\count197 +\c@paragraph=\count198 +\c@subparagraph=\count199 +\c@figure=\count266 +\c@table=\count267 +\abovecaptionskip=\skip49 +\belowcaptionskip=\skip50 +\bibindent=\dimen141 +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/amsmath\amsmath.sty +Package: amsmath 2024/05/23 v2.17q AMS math features +\@mathmargin=\skip51 +For additional information on amsmath, use the `?' option. +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/amsmath\amstext.sty +Package: amstext 2021/08/26 v2.01 AMS text +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/amsmath\amsgen.sty +File: amsgen.sty 1999/11/30 v2.0 generic functions +\@emptytoks=\toks17 +\ex@=\dimen142 +)) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/amsmath\amsbsy.sty +Package: amsbsy 1999/11/29 v1.2d Bold Symbols +\pmbraise@=\dimen143 +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/amsmath\amsopn.sty +Package: amsopn 2022/04/08 v2.04 operator names +) +\inf@bad=\count268 +LaTeX Info: Redefining \frac on input line 233. +\uproot@=\count269 +\leftroot@=\count270 +LaTeX Info: Redefining \overline on input line 398. +LaTeX Info: Redefining \colon on input line 409. +\classnum@=\count271 +\DOTSCASE@=\count272 +LaTeX Info: Redefining \ldots on input line 495. +LaTeX Info: Redefining \dots on input line 498. +LaTeX Info: Redefining \cdots on input line 619. +\Mathstrutbox@=\box52 +\strutbox@=\box53 +LaTeX Info: Redefining \big on input line 721. +LaTeX Info: Redefining \Big on input line 722. +LaTeX Info: Redefining \bigg on input line 723. +LaTeX Info: Redefining \Bigg on input line 724. +\big@size=\dimen144 +LaTeX Font Info: Redeclaring font encoding OML on input line 742. +LaTeX Font Info: Redeclaring font encoding OMS on input line 743. +\macc@depth=\count273 +LaTeX Info: Redefining \bmod on input line 904. +LaTeX Info: Redefining \pmod on input line 909. +LaTeX Info: Redefining \smash on input line 939. +LaTeX Info: Redefining \relbar on input line 969. +LaTeX Info: Redefining \Relbar on input line 970. +\c@MaxMatrixCols=\count274 +\dotsspace@=\muskip17 +\c@parentequation=\count275 +\dspbrk@lvl=\count276 +\tag@help=\toks18 +\row@=\count277 +\column@=\count278 +\maxfields@=\count279 +\andhelp@=\toks19 +\eqnshift@=\dimen145 +\alignsep@=\dimen146 +\tagshift@=\dimen147 +\tagwidth@=\dimen148 +\totwidth@=\dimen149 +\lineht@=\dimen150 +\@envbody=\toks20 +\multlinegap=\skip52 +\multlinetaggap=\skip53 +\mathdisplay@stack=\toks21 +LaTeX Info: Redefining \[ on input line 2953. +LaTeX Info: Redefining \] on input line 2954. +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/amsfonts\amssymb.st +y +Package: amssymb 2013/01/14 v3.01 AMS font symbols + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/amsfonts\amsfonts.sty +Package: amsfonts 2013/01/14 v3.01 Basic AMSFonts support +\symAMSa=\mathgroup4 +\symAMSb=\mathgroup5 +LaTeX Font Info: Redeclaring math symbol \hbar on input line 98. +LaTeX Font Info: Overwriting math alphabet `\mathfrak' in version `bold' +(Font) U/euf/m/n --> U/euf/b/n on input line 106. +)) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/iftex\iftex.sty +Package: iftex 2022/02/03 v1.0f TeX engine tests +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/base\fontenc.sty +Package: fontenc 2021/04/29 v2.0v Standard LaTeX package +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/base\inputenc.sty +Package: inputenc 2024/02/08 v1.3d Input encoding file +\inpenc@prehook=\toks22 +\inpenc@posthook=\toks23 +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/base\textcomp.sty +Package: textcomp 2024/04/24 v2.1b Standard LaTeX package +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/lm\lmodern.sty +Package: lmodern 2015/05/01 v1.6.1 Latin Modern Fonts +LaTeX Font Info: Overwriting symbol font `operators' in version `normal' +(Font) OT1/cmr/m/n --> OT1/lmr/m/n on input line 22. +LaTeX Font Info: Overwriting symbol font `letters' in version `normal' +(Font) OML/cmm/m/it --> OML/lmm/m/it on input line 23. +LaTeX Font Info: Overwriting symbol font `symbols' in version `normal' +(Font) OMS/cmsy/m/n --> OMS/lmsy/m/n on input line 24. +LaTeX Font Info: Overwriting symbol font `largesymbols' in version `normal' +(Font) OMX/cmex/m/n --> OMX/lmex/m/n on input line 25. +LaTeX Font Info: Overwriting symbol font `operators' in version `bold' +(Font) OT1/cmr/bx/n --> OT1/lmr/bx/n on input line 26. +LaTeX Font Info: Overwriting symbol font `letters' in version `bold' +(Font) OML/cmm/b/it --> OML/lmm/b/it on input line 27. +LaTeX Font Info: Overwriting symbol font `symbols' in version `bold' +(Font) OMS/cmsy/b/n --> OMS/lmsy/b/n on input line 28. +LaTeX Font Info: Overwriting symbol font `largesymbols' in version `bold' +(Font) OMX/cmex/m/n --> OMX/lmex/m/n on input line 29. +LaTeX Font Info: Overwriting math alphabet `\mathbf' in version `normal' +(Font) OT1/cmr/bx/n --> OT1/lmr/bx/n on input line 31. +LaTeX Font Info: Overwriting math alphabet `\mathsf' in version `normal' +(Font) OT1/cmss/m/n --> OT1/lmss/m/n on input line 32. +LaTeX Font Info: Overwriting math alphabet `\mathit' in version `normal' +(Font) OT1/cmr/m/it --> OT1/lmr/m/it on input line 33. +LaTeX Font Info: Overwriting math alphabet `\mathtt' in version `normal' +(Font) OT1/cmtt/m/n --> OT1/lmtt/m/n on input line 34. +LaTeX Font Info: Overwriting math alphabet `\mathbf' in version `bold' +(Font) OT1/cmr/bx/n --> OT1/lmr/bx/n on input line 35. +LaTeX Font Info: Overwriting math alphabet `\mathsf' in version `bold' +(Font) OT1/cmss/bx/n --> OT1/lmss/bx/n on input line 36. +LaTeX Font Info: Overwriting math alphabet `\mathit' in version `bold' +(Font) OT1/cmr/bx/it --> OT1/lmr/bx/it on input line 37. +LaTeX Font Info: Overwriting math alphabet `\mathtt' in version `bold' +(Font) OT1/cmtt/m/n --> OT1/lmtt/m/n on input line 38. +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/upquote\upquote.sty +Package: upquote 2012/04/19 v1.3 upright-quote and grave-accent glyphs in verba +tim +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/microtype\microtype.s +ty +Package: microtype 2024/03/29 v3.1b Micro-typographical refinements (RS) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/graphics\keyval.sty +Package: keyval 2022/05/29 v1.15 key=value parser (DPC) +\KV@toks@=\toks24 +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/etoolbox\etoolbox.sty +Package: etoolbox 2020/10/05 v2.5k e-TeX tools for LaTeX (JAW) +\etb@tempcnta=\count280 +) +\MT@toks=\toks25 +\MT@tempbox=\box54 +\MT@count=\count281 +LaTeX Info: Redefining \noprotrusionifhmode on input line 1061. +LaTeX Info: Redefining \leftprotrusion on input line 1062. +\MT@prot@toks=\toks26 +LaTeX Info: Redefining \rightprotrusion on input line 1081. +LaTeX Info: Redefining \textls on input line 1392. +\MT@outer@kern=\dimen151 +LaTeX Info: Redefining \textmicrotypecontext on input line 2013. +\MT@listname@count=\count282 + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/microtype\microtype-p +dftex.def +File: microtype-pdftex.def 2024/03/29 v3.1b Definitions specific to pdftex (RS) + +LaTeX Info: Redefining \lsstyle on input line 902. +LaTeX Info: Redefining \lslig on input line 902. +\MT@outer@space=\skip54 +) +Package microtype Info: Loading configuration file microtype.cfg. + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/microtype\microtype.c +fg +File: microtype.cfg 2024/03/29 v3.1b microtype main configuration file (RS) +)) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/xcolor\xcolor.sty +Package: xcolor 2023/11/15 v3.01 LaTeX color extensions (UK) + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/graphics-cfg\color.cf +g +File: color.cfg 2016/01/02 v1.6 sample color configuration +) +Package xcolor Info: Driver file: pdftex.def on input line 274. + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/graphics-def\pdftex.d +ef +File: pdftex.def 2024/04/13 v1.2c Graphics/color driver for pdftex +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/graphics\mathcolor.lt +x) +Package xcolor Info: Model `cmy' substituted by `cmy0' on input line 1350. +Package xcolor Info: Model `hsb' substituted by `rgb' on input line 1354. +Package xcolor Info: Model `RGB' extended on input line 1366. +Package xcolor Info: Model `HTML' substituted by `rgb' on input line 1368. +Package xcolor Info: Model `Hsb' substituted by `hsb' on input line 1369. +Package xcolor Info: Model `tHsb' substituted by `hsb' on input line 1370. +Package xcolor Info: Model `HSB' substituted by `hsb' on input line 1371. +Package xcolor Info: Model `Gray' substituted by `gray' on input line 1372. +Package xcolor Info: Model `wave' substituted by `hsb' on input line 1373. +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/geometry\geometry.sty +Package: geometry 2020/01/02 v5.9 Page Geometry +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/iftex\ifvtex.sty +Package: ifvtex 2019/10/25 v1.7 ifvtex legacy package. Use iftex instead. +) +\Gm@cnth=\count283 +\Gm@cntv=\count284 +\c@Gm@tempcnt=\count285 +\Gm@bindingoffset=\dimen152 +\Gm@wd@mp=\dimen153 +\Gm@odd@mp=\dimen154 +\Gm@even@mp=\dimen155 +\Gm@layoutwidth=\dimen156 +\Gm@layoutheight=\dimen157 +\Gm@layouthoffset=\dimen158 +\Gm@layoutvoffset=\dimen159 +\Gm@dimlist=\toks27 + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/geometry\geometry.cfg +)) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/fancyvrb\fancyvrb.sty +Package: fancyvrb 2024/01/20 4.5c verbatim text (tvz,hv) +\FV@CodeLineNo=\count286 +\FV@InFile=\read2 +\FV@TabBox=\box55 +\c@FancyVerbLine=\count287 +\FV@StepNumber=\count288 +\FV@OutFile=\write3 +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/framed\framed.sty +Package: framed 2011/10/22 v 0.96: framed or shaded text with page breaks +\OuterFrameSep=\skip55 +\fb@frw=\dimen160 +\fb@frh=\dimen161 +\FrameRule=\dimen162 +\FrameSep=\dimen163 +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/tools\longtable.sty +Package: longtable 2024-04-26 v4.20 Multi-page Table package (DPC) +\LTleft=\skip56 +\LTright=\skip57 +\LTpre=\skip58 +\LTpost=\skip59 +\LTchunksize=\count289 +\LTcapwidth=\dimen164 +\LT@head=\box56 +\LT@firsthead=\box57 +\LT@foot=\box58 +\LT@lastfoot=\box59 +\LT@gbox=\box60 +\LT@cols=\count290 +\LT@rows=\count291 +\c@LT@tables=\count292 +\c@LT@chunks=\count293 +\LT@p@ftn=\toks28 +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/booktabs\booktabs.sty +Package: booktabs 2020/01/12 v1.61803398 Publication quality tables +\heavyrulewidth=\dimen165 +\lightrulewidth=\dimen166 +\cmidrulewidth=\dimen167 +\belowrulesep=\dimen168 +\belowbottomsep=\dimen169 +\aboverulesep=\dimen170 +\abovetopsep=\dimen171 +\cmidrulesep=\dimen172 +\cmidrulekern=\dimen173 +\defaultaddspace=\dimen174 +\@cmidla=\count294 +\@cmidlb=\count295 +\@aboverulesep=\dimen175 +\@belowrulesep=\dimen176 +\@thisruleclass=\count296 +\@lastruleclass=\count297 +\@thisrulewidth=\dimen177 +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/tools\array.sty +Package: array 2024/06/14 v2.6d Tabular extension package (FMi) +\col@sep=\dimen178 +\ar@mcellbox=\box61 +\extrarowheight=\dimen179 +\NC@list=\toks29 +\extratabsurround=\skip60 +\backup@length=\skip61 +\ar@cellbox=\box62 +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/tools\calc.sty +Package: calc 2023/07/08 v4.3 Infix arithmetic (KKT,FJ) +\calc@Acount=\count298 +\calc@Bcount=\count299 +\calc@Adimen=\dimen180 +\calc@Bdimen=\dimen181 +\calc@Askip=\skip62 +\calc@Bskip=\skip63 +LaTeX Info: Redefining \setlength on input line 80. +LaTeX Info: Redefining \addtolength on input line 81. +\calc@Ccount=\count300 +\calc@Cskip=\skip64 +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/footnotehyper\footnot +ehyper.sty +Package: footnotehyper 2021/08/13 v1.1e hyperref aware footnote.sty (JFB) +\FNH@notes=\box63 +\FNH@width=\dimen182 +\FNH@toks=\toks30 +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/graphics\graphicx.sty +Package: graphicx 2021/09/16 v1.2d Enhanced LaTeX Graphics (DPC,SPQR) + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/graphics\graphics.sty +Package: graphics 2024/05/23 v1.4g Standard LaTeX Graphics (DPC,SPQR) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/graphics\trig.sty +Package: trig 2023/12/02 v1.11 sin cos tan (DPC) +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/graphics-cfg\graphics +.cfg +File: graphics.cfg 2016/06/04 v1.11 sample graphics configuration +) +Package graphics Info: Driver file: pdftex.def on input line 106. +) +\Gin@req@height=\dimen183 +\Gin@req@width=\dimen184 +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/bookmark\bookmark.sty +Package: bookmark 2023-12-10 v1.31 PDF bookmarks (HO) + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/hyperref\hyperref.sty +Package: hyperref 2024-07-10 v7.01j Hypertext links for LaTeX + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/kvsetkeys\kvsetkeys.s +ty +Package: kvsetkeys 2022-10-05 v1.19 Key value parser (HO) +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/kvdefinekeys\kvdefi +nekeys.sty +Package: kvdefinekeys 2019-12-19 v1.6 Define keys (HO) +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/pdfescape\pdfescape +.sty +Package: pdfescape 2019/12/09 v1.15 Implements pdfTeX's escape features (HO) + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/ltxcmds\ltxcmds.sty +Package: ltxcmds 2023-12-04 v1.26 LaTeX kernel commands for general use (HO) +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/pdftexcmds\pdftexcm +ds.sty +Package: pdftexcmds 2020-06-27 v0.33 Utility functions of pdfTeX for LuaTeX (HO +) + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/infwarerr\infwarerr +.sty +Package: infwarerr 2019/12/03 v1.5 Providing info/warning/error messages (HO) +) +Package pdftexcmds Info: \pdf@primitive is available. +Package pdftexcmds Info: \pdf@ifprimitive is available. +Package pdftexcmds Info: \pdfdraftmode found. +)) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/hycolor\hycolor.st +y +Package: hycolor 2020-01-27 v1.10 Color options for hyperref/bookmark (HO) +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/hyperref\nameref.st +y +Package: nameref 2023-11-26 v2.56 Cross-referencing by name of section + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/refcount\refcount.sty +Package: refcount 2019/12/15 v3.6 Data extraction from label references (HO) +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/gettitlestring\gett +itlestring.sty +Package: gettitlestring 2019/12/15 v1.6 Cleanup title references (HO) + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/kvoptions\kvoptions.s +ty +Package: kvoptions 2022-06-15 v3.15 Key value format for package options (HO) +)) +\c@section@level=\count301 +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/stringenc\stringenc +.sty +Package: stringenc 2019/11/29 v1.12 Convert strings between diff. encodings (HO +) +) +\@linkdim=\dimen185 +\Hy@linkcounter=\count302 +\Hy@pagecounter=\count303 +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/hyperref\pd1enc.def +File: pd1enc.def 2024-07-10 v7.01j Hyperref: PDFDocEncoding definition (HO) +Now handling font encoding PD1 ... +... no UTF-8 mapping file for font encoding PD1 +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/intcalc\intcalc.sty +Package: intcalc 2019/12/15 v1.3 Expandable calculations with integers (HO) +) +\Hy@SavedSpaceFactor=\count304 +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/hyperref\puenc.def +File: puenc.def 2024-07-10 v7.01j Hyperref: PDF Unicode definition (HO) +Now handling font encoding PU ... +... no UTF-8 mapping file for font encoding PU +) +Package hyperref Info: Option `unicode' set `true' on input line 4040. +Package hyperref Info: Hyper figures OFF on input line 4157. +Package hyperref Info: Link nesting OFF on input line 4162. +Package hyperref Info: Hyper index ON on input line 4165. +Package hyperref Info: Plain pages OFF on input line 4172. +Package hyperref Info: Backreferencing OFF on input line 4177. +Package hyperref Info: Implicit mode ON; LaTeX internals redefined. +Package hyperref Info: Bookmarks ON on input line 4424. +\c@Hy@tempcnt=\count305 +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/url\url.sty +\Urlmuskip=\muskip18 +Package: url 2013/09/16 ver 3.4 Verb mode for urls, etc. +) +LaTeX Info: Redefining \url on input line 4763. +\XeTeXLinkMargin=\dimen186 +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/bitset\bitset.sty +Package: bitset 2019/12/09 v1.3 Handle bit-vector datatype (HO) + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/bigintcalc\bigintca +lc.sty +Package: bigintcalc 2019/12/15 v1.5 Expandable calculations on big integers (HO +) +)) +\Fld@menulength=\count306 +\Field@Width=\dimen187 +\Fld@charsize=\dimen188 +Package hyperref Info: Hyper figures OFF on input line 6042. +Package hyperref Info: Link nesting OFF on input line 6047. +Package hyperref Info: Hyper index ON on input line 6050. +Package hyperref Info: backreferencing OFF on input line 6057. +Package hyperref Info: Link coloring OFF on input line 6062. +Package hyperref Info: Link coloring with OCG OFF on input line 6067. +Package hyperref Info: PDF/A mode OFF on input line 6072. + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/base\atbegshi-ltx.sty +Package: atbegshi-ltx 2021/01/10 v1.0c Emulation of the original atbegshi +package with kernel methods +) +\Hy@abspage=\count307 +\c@Item=\count308 +\c@Hfootnote=\count309 +) +Package hyperref Info: Driver (autodetected): hpdftex. +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/hyperref\hpdftex.def +File: hpdftex.def 2024-07-10 v7.01j Hyperref driver for pdfTeX + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/base\atveryend-ltx.st +y +Package: atveryend-ltx 2020/08/19 v1.0a Emulation of the original atveryend pac +kage +with kernel methods +) +\Fld@listcount=\count310 +\c@bookmark@seq@number=\count311 + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/rerunfilecheck\rerunf +ilecheck.sty +Package: rerunfilecheck 2022-07-10 v1.10 Rerun checks for auxiliary files (HO) + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/generic/uniquecounter\uniqu +ecounter.sty +Package: uniquecounter 2019/12/15 v1.4 Provide unlimited unique counter (HO) +) +Package uniquecounter Info: New unique counter `rerunfilecheck' on input line 2 +85. +) +\Hy@SectionHShift=\skip65 +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/bookmark\bkm-pdftex.d +ef +File: bkm-pdftex.def 2023-12-10 v1.31 bookmark driver for pdfTeX and luaTeX (HO +) +\BKM@id=\count312 +)) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/xurl\xurl.sty +Package: xurl 2022/01/09 v 0.10 modify URL breaks +) +LaTeX Font Info: Trying to load font information for T1+lmr on input line 12 +0. +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/lm\t1lmr.fd +File: t1lmr.fd 2015/05/01 v1.6.1 Font defs for Latin Modern +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/l3backend\l3backend-p +dftex.def +File: l3backend-pdftex.def 2024-05-08 L3 backend support: PDF output (pdfTeX) +\l__color_backend_stack_int=\count313 +\l__pdf_internal_box=\box64 +) (Ejercicios-de-Inferencia-Estadistica.aux) +\openout1 = `Ejercicios-de-Inferencia-Estadistica.aux'. + +LaTeX Font Info: Checking defaults for OML/cmm/m/it on input line 120. +LaTeX Font Info: ... okay on input line 120. +LaTeX Font Info: Checking defaults for OMS/cmsy/m/n on input line 120. +LaTeX Font Info: ... okay on input line 120. +LaTeX Font Info: Checking defaults for OT1/cmr/m/n on input line 120. +LaTeX Font Info: ... okay on input line 120. +LaTeX Font Info: Checking defaults for T1/cmr/m/n on input line 120. +LaTeX Font Info: ... okay on input line 120. +LaTeX Font Info: Checking defaults for TS1/cmr/m/n on input line 120. +LaTeX Font Info: ... okay on input line 120. +LaTeX Font Info: Checking defaults for OMX/cmex/m/n on input line 120. +LaTeX Font Info: ... okay on input line 120. +LaTeX Font Info: Checking defaults for U/cmr/m/n on input line 120. +LaTeX Font Info: ... okay on input line 120. +LaTeX Font Info: Checking defaults for PD1/pdf/m/n on input line 120. +LaTeX Font Info: ... okay on input line 120. +LaTeX Font Info: Checking defaults for PU/pdf/m/n on input line 120. +LaTeX Font Info: ... okay on input line 120. +LaTeX Info: Redefining \microtypecontext on input line 120. +Package microtype Info: Applying patch `item' on input line 120. +Package microtype Info: Applying patch `toc' on input line 120. +Package microtype Info: Applying patch `eqnum' on input line 120. +Package microtype Info: Applying patch `footnote' on input line 120. +Package microtype Info: Applying patch `verbatim' on input line 120. +Package microtype Info: Generating PDF output. +Package microtype Info: Character protrusion enabled (level 2). +Package microtype Info: Using protrusion set `basicmath'. +Package microtype Info: Automatic font expansion enabled (level 2), +(microtype) stretch: 20, shrink: 20, step: 1, non-selected. +Package microtype Info: Using default expansion set `alltext-nott'. +LaTeX Info: Redefining \showhyphens on input line 120. +Package microtype Info: No adjustment of tracking. +Package microtype Info: No adjustment of interword spacing. +Package microtype Info: No adjustment of character kerning. +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/microtype\mt-cmr.cfg +File: mt-cmr.cfg 2013/05/19 v2.2 microtype config. file: Computer Modern Roman +(RS) +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/context/base/mkii\supp-pdf. +mkii +[Loading MPS to PDF converter (version 2006.09.02).] +\scratchcounter=\count314 +\scratchdimen=\dimen189 +\scratchbox=\box65 +\nofMPsegments=\count315 +\nofMParguments=\count316 +\everyMPshowfont=\toks31 +\MPscratchCnt=\count317 +\MPscratchDim=\dimen190 +\MPnumerator=\count318 +\makeMPintoPDFobject=\count319 +\everyMPtoPDFconversion=\toks32 +) +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/epstopdf-pkg\epstopdf +-base.sty +Package: epstopdf-base 2020-01-24 v2.11 Base part for package epstopdf +Package epstopdf-base Info: Redefining graphics rule for `.eps' on input line 4 +85. + +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/00miktex\epstopdf-sys +.cfg +File: epstopdf-sys.cfg 2021/03/18 v2.0 Configuration of epstopdf for MiKTeX +)) +*geometry* driver: auto-detecting +*geometry* detected driver: pdftex +*geometry* verbose mode - [ preamble ] result: +* driver: pdftex +* paper: +* layout: +* layoutoffset:(h,v)=(0.0pt,0.0pt) +* modes: +* h-part:(L,W,R)=(72.26999pt, 469.75502pt, 72.26999pt) +* v-part:(T,H,B)=(72.26999pt, 650.43001pt, 72.26999pt) +* \paperwidth=614.295pt +* \paperheight=794.96999pt +* \textwidth=469.75502pt +* \textheight=650.43001pt +* \oddsidemargin=0.0pt +* \evensidemargin=0.0pt +* \topmargin=-37.0pt +* \headheight=12.0pt +* \headsep=25.0pt +* \topskip=10.0pt +* \footskip=30.0pt +* \marginparwidth=65.0pt +* \marginparsep=11.0pt +* \columnsep=10.0pt +* \skip\footins=9.0pt plus 4.0pt minus 2.0pt +* \hoffset=0.0pt +* \voffset=0.0pt +* \mag=1000 +* \@twocolumnfalse +* \@twosidefalse +* \@mparswitchfalse +* \@reversemarginfalse +* (1in=72.27pt=25.4mm, 1cm=28.453pt) + +Package hyperref Info: Link coloring OFF on input line 120. +(Ejercicios-de-Inferencia-Estadistica.toc +LaTeX Font Info: Trying to load font information for OT1+lmr on input line 2 +. +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/lm\ot1lmr.fd +File: ot1lmr.fd 2015/05/01 v1.6.1 Font defs for Latin Modern +) +LaTeX Font Info: Trying to load font information for OML+lmm on input line 2 +. +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/lm\omllmm.fd +File: omllmm.fd 2015/05/01 v1.6.1 Font defs for Latin Modern +) +LaTeX Font Info: Trying to load font information for OMS+lmsy on input line +2. +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/lm\omslmsy.fd +File: omslmsy.fd 2015/05/01 v1.6.1 Font defs for Latin Modern +) +LaTeX Font Info: Trying to load font information for OMX+lmex on input line +2. +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/lm\omxlmex.fd +File: omxlmex.fd 2015/05/01 v1.6.1 Font defs for Latin Modern +) +LaTeX Font Info: External font `lmex10' loaded for size +(Font) <10> on input line 2. +LaTeX Font Info: External font `lmex10' loaded for size +(Font) <7> on input line 2. +LaTeX Font Info: External font `lmex10' loaded for size +(Font) <5> on input line 2. +LaTeX Font Info: Trying to load font information for U+msa on input line 2. +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/amsfonts\umsa.fd +File: umsa.fd 2013/01/14 v3.01 AMS symbols A +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/microtype\mt-msa.cf +g +File: mt-msa.cfg 2006/02/04 v1.1 microtype config. file: AMS symbols (a) (RS) +) +LaTeX Font Info: Trying to load font information for U+msb on input line 2. +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/amsfonts\umsb.fd +File: umsb.fd 2013/01/14 v3.01 AMS symbols B +) (C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/microtype\mt-msb.cf +g +File: mt-msb.cfg 2005/06/01 v1.0 microtype config. file: AMS symbols (b) (RS) +) + +[1 + +{C:/Users/Usuario/AppData/Local/MiKTeX/fonts/map/pdftex/pdftex.map}{C:/Users/Us +uario/AppData/Local/Programs/MiKTeX/fonts/enc/dvips/lm/lm-ec.enc}{C:/Users/Usua +rio/AppData/Local/Programs/MiKTeX/fonts/enc/dvips/lm/lm-mathit.enc}{C:/Users/Us +uario/AppData/Local/Programs/MiKTeX/fonts/enc/dvips/lm/lm-rm.enc}]) +\tf@toc=\write4 +\openout4 = `Ejercicios-de-Inferencia-Estadistica.toc'. + +LaTeX Font Info: Trying to load font information for TS1+lmr on input line 1 +41. +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/lm\ts1lmr.fd +File: ts1lmr.fd 2015/05/01 v1.6.1 Font defs for Latin Modern +) + +[2{C:/Users/Usuario/AppData/Local/Programs/MiKTeX/fonts/enc/dvips/lm/lm-ts1.enc +}] + +[3{C:/Users/Usuario/AppData/Local/Programs/MiKTeX/fonts/enc/dvips/lm/lm-mathsy. +enc}] + +[4] + +[5] +LaTeX Font Info: Trying to load font information for T1+lmtt on input line 3 +94. +(C:\Users\Usuario\AppData\Local\Programs\MiKTeX\tex/latex/lm\t1lmtt.fd +File: t1lmtt.fd 2015/05/01 v1.6.1 Font defs for Latin Modern +) +LaTeX Font Info: Font shape `T1/lmtt/bx/n' in size <10> not available +(Font) Font shape `T1/lmtt/b/n' tried instead on input line 395. + + +[6] + +[7] + +[8] + +[9{C:/Users/Usuario/AppData/Local/Programs/MiKTeX/fonts/enc/dvips/lm/lm-mathex. +enc}] + +File: Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-7-1 +.pdf Graphic file (type pdf) + +Package pdftex.def Info: Ejercicios-de-Inferencia-Estadistica_files/figure-late +x/unnamed-chunk-7-1.pdf used on input line 672. +(pdftex.def) Requested size: 469.75386pt x 325.2142pt. + + +[10 <./Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-7- +1.pdf>] +LaTeX Font Info: External font `lmex10' loaded for size +(Font) <12> on input line 775. +LaTeX Font Info: External font `lmex10' loaded for size +(Font) <8> on input line 775. +LaTeX Font Info: External font `lmex10' loaded for size +(Font) <6> on input line 775. + + +[11] + +[12] + +[13] + +[14] + +File: Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-14- +1.pdf Graphic file (type pdf) + +Package pdftex.def Info: Ejercicios-de-Inferencia-Estadistica_files/figure-late +x/unnamed-chunk-14-1.pdf used on input line 1033. +(pdftex.def) Requested size: 469.75386pt x 325.2142pt. + + +[15 <./Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-14 +-1.pdf>] + +File: Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-15- +1.pdf Graphic file (type pdf) + +Package pdftex.def Info: Ejercicios-de-Inferencia-Estadistica_files/figure-late +x/unnamed-chunk-15-1.pdf used on input line 1062. +(pdftex.def) Requested size: 469.75386pt x 325.2142pt. + + +[16 <./Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-15 +-1.pdf>] + +[17] + +[18] + +[19] + +[20] + +[21] + +[22] + +[23] + +[24] + +[25] + +LaTeX Warning: Command \textquestiondown invalid in math mode on input line 172 +3. + + + +[26] + +[27] (Ejercicios-de-Inferencia-Estadistica.aux) + *********** +LaTeX2e <2024-06-01> patch level 2 +L3 programming layer <2024-08-30> + *********** + ) +Here is how much of TeX's memory you used: + 14751 strings out of 473899 + 235286 string characters out of 5725555 + 675098 words of memory out of 5000000 + 37053 multiletter control sequences out of 15000+600000 + 619650 words of font info for 164 fonts, out of 8000000 for 9000 + 1141 hyphenation exceptions out of 8191 + 89i,12n,93p,1035b,561s stack positions out of 10000i,1000n,20000p,200000b,200000s + +Output written on Ejercicios-de-Inferencia-Estadistica.pdf (27 pages, 428258 by +tes). +PDF statistics: + 601 PDF objects out of 1000 (max. 8388607) + 171 named destinations out of 1000 (max. 500000) + 33152 words of extra memory for PDF output out of 35830 (max. 10000000) + diff --git a/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-14-1.png b/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-14-1.png new file mode 100644 index 0000000..84b41ad Binary files /dev/null and b/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-14-1.png differ diff --git a/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-15-1.png b/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-15-1.png new file mode 100644 index 0000000..188109b Binary files /dev/null and b/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-15-1.png differ diff --git a/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-7-1.png b/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-7-1.png new file mode 100644 index 0000000..1f5172a Binary files /dev/null and b/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-7-1.png differ diff --git a/Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-14-1.pdf b/Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-14-1.pdf new file mode 100644 index 0000000..d3dd9b8 Binary files /dev/null and b/Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-14-1.pdf differ diff --git a/Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-15-1.pdf b/Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-15-1.pdf new file mode 100644 index 0000000..726f69d Binary files /dev/null and b/Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-15-1.pdf differ diff --git a/Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-7-1.pdf b/Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-7-1.pdf new file mode 100644 index 0000000..257c849 Binary files /dev/null and b/Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-7-1.pdf differ diff --git a/_bookdown.yml b/_bookdown.yml index a229371..41d2f43 100644 --- a/_bookdown.yml +++ b/_bookdown.yml @@ -1,7 +1,8 @@ +book_filename: "Ejercicios de Inferencia Estadistica" output_dir: docs +language: +ui: + chapter_name: "Capítulo " delete_merged_file: true edit: https://github.com/ASPteaching/FundamentosInferencia-Ejercicios/edit/main/%s view: https://github.com/ASPteaching/FundamentosInferencia-Ejercicios/blob/main/%s -language: - ui: - chapter_name: "Capítulo " diff --git a/_output.yml b/_output.yml index 16526c2..ec141ea 100644 --- a/_output.yml +++ b/_output.yml @@ -1,5 +1,6 @@ bookdown::gitbook: css: [style.css,blocks.css] + title: "Ejercicios-de-Inferencia-Estadistica" config: toc: collapse: section @@ -12,4 +13,5 @@ bookdown::gitbook: edit: https://github.com/ASPteaching/FundamentosInferencia/edit/BRANCH/%s download: ["https://github.com/ASPteaching/FundamentosInferencia-Ejercicios/blob/main/docs/_main.pdf"] bookdown::pdf_book: + title: "Ejercicios-de-Inferencia-Estadistica" keep_tex: yes diff --git a/docs/404.html b/docs/404.html index 5c0f07d..2212fd9 100644 --- a/docs/404.html +++ b/docs/404.html @@ -4,18 +4,18 @@ - Page not found | _main.knit + Page not found | Ejercicios-de-Inferencia-Estadistica.knit - + - + @@ -167,75 +167,65 @@
  • 1.5.1 Solución
    • -
  • 2 Variables aleatorias y Distribuciones de probabilidad
    • -
  • 3 Ejercicio 2.1 +
  • 2 Variables aleatorias y Distribuciones de probabilidad
    • -
  • 4 Ejercicio 2.2 -
    • -
  • 5 Ejercicio 2.3 +
  • 2.1 Ejercicio 2.1
    • +
  • 2.2 1. Distribución de probabilidad
    • +
  • 2.3 2. Esperanza y varianza
    • +
  • 2.4 Ejercicio 2.2
    • +
  • 2.5 Determinar el valor de \(K\)
    • +
  • 2.6 Calcular la esperanza y la varianza
    • +
  • 2.7 3. Calcular las probabilidades
    • -
  • 6 Ejercicio 2.4 +
  • 2.10 b) Calcular \(F_X(x)\) y representarla gráficamente
    • -
  • 7 Ejercicio 2.5 -
    • -
  • 8 Ejercicio 2.6 -
    • -
  • 9 Ejercicio 2.7
    • -
  • 10 Ejercicio 28
    • -
  • 11 Ejercicio 2.9
    • -
  • 12 Distribuciones de probabilidad multidimensionales
    • -
  • 13 Distribuciones de probabilidad multidimensionales +
  • 3 Distribuciones de probabilidad multidimensionales
    • +
  • 4 Distribuciones de probabilidad multidimensionales
  • Published with bookdown
    • diff --git a/docs/Ejercicios-de-Inferencia-Estadistica.pdf b/docs/Ejercicios-de-Inferencia-Estadistica.pdf new file mode 100644 index 0000000..f63826a Binary files /dev/null and b/docs/Ejercicios-de-Inferencia-Estadistica.pdf differ diff --git a/docs/Ejercicios-de-Inferencia-Estadistica.tex b/docs/Ejercicios-de-Inferencia-Estadistica.tex new file mode 100644 index 0000000..86840ff --- /dev/null +++ b/docs/Ejercicios-de-Inferencia-Estadistica.tex @@ -0,0 +1,1758 @@ +% Options for packages loaded elsewhere +\PassOptionsToPackage{unicode}{hyperref} +\PassOptionsToPackage{hyphens}{url} +% +\documentclass[ +]{article} +\usepackage{amsmath,amssymb} +\usepackage{iftex} +\ifPDFTeX + \usepackage[T1]{fontenc} + \usepackage[utf8]{inputenc} + \usepackage{textcomp} % provide euro and other symbols +\else % if luatex or xetex + \usepackage{unicode-math} % this also loads fontspec + \defaultfontfeatures{Scale=MatchLowercase} + \defaultfontfeatures[\rmfamily]{Ligatures=TeX,Scale=1} +\fi +\usepackage{lmodern} +\ifPDFTeX\else + % xetex/luatex font selection +\fi +% Use upquote if available, for straight quotes in verbatim environments +\IfFileExists{upquote.sty}{\usepackage{upquote}}{} +\IfFileExists{microtype.sty}{% use microtype if available + \usepackage[]{microtype} + \UseMicrotypeSet[protrusion]{basicmath} % disable protrusion for tt fonts +}{} +\makeatletter +\@ifundefined{KOMAClassName}{% if non-KOMA class + \IfFileExists{parskip.sty}{% + \usepackage{parskip} + }{% else + \setlength{\parindent}{0pt} + \setlength{\parskip}{6pt plus 2pt minus 1pt}} +}{% if KOMA class + \KOMAoptions{parskip=half}} +\makeatother +\usepackage{xcolor} +\usepackage[margin=1in]{geometry} +\usepackage{color} +\usepackage{fancyvrb} +\newcommand{\VerbBar}{|} +\newcommand{\VERB}{\Verb[commandchars=\\\{\}]} +\DefineVerbatimEnvironment{Highlighting}{Verbatim}{commandchars=\\\{\}} +% Add ',fontsize=\small' for more characters per line +\usepackage{framed} +\definecolor{shadecolor}{RGB}{248,248,248} +\newenvironment{Shaded}{\begin{snugshade}}{\end{snugshade}} +\newcommand{\AlertTok}[1]{\textcolor[rgb]{0.94,0.16,0.16}{#1}} +\newcommand{\AnnotationTok}[1]{\textcolor[rgb]{0.56,0.35,0.01}{\textbf{\textit{#1}}}} +\newcommand{\AttributeTok}[1]{\textcolor[rgb]{0.13,0.29,0.53}{#1}} +\newcommand{\BaseNTok}[1]{\textcolor[rgb]{0.00,0.00,0.81}{#1}} +\newcommand{\BuiltInTok}[1]{#1} +\newcommand{\CharTok}[1]{\textcolor[rgb]{0.31,0.60,0.02}{#1}} +\newcommand{\CommentTok}[1]{\textcolor[rgb]{0.56,0.35,0.01}{\textit{#1}}} +\newcommand{\CommentVarTok}[1]{\textcolor[rgb]{0.56,0.35,0.01}{\textbf{\textit{#1}}}} +\newcommand{\ConstantTok}[1]{\textcolor[rgb]{0.56,0.35,0.01}{#1}} +\newcommand{\ControlFlowTok}[1]{\textcolor[rgb]{0.13,0.29,0.53}{\textbf{#1}}} +\newcommand{\DataTypeTok}[1]{\textcolor[rgb]{0.13,0.29,0.53}{#1}} +\newcommand{\DecValTok}[1]{\textcolor[rgb]{0.00,0.00,0.81}{#1}} +\newcommand{\DocumentationTok}[1]{\textcolor[rgb]{0.56,0.35,0.01}{\textbf{\textit{#1}}}} +\newcommand{\ErrorTok}[1]{\textcolor[rgb]{0.64,0.00,0.00}{\textbf{#1}}} +\newcommand{\ExtensionTok}[1]{#1} +\newcommand{\FloatTok}[1]{\textcolor[rgb]{0.00,0.00,0.81}{#1}} +\newcommand{\FunctionTok}[1]{\textcolor[rgb]{0.13,0.29,0.53}{\textbf{#1}}} +\newcommand{\ImportTok}[1]{#1} +\newcommand{\InformationTok}[1]{\textcolor[rgb]{0.56,0.35,0.01}{\textbf{\textit{#1}}}} +\newcommand{\KeywordTok}[1]{\textcolor[rgb]{0.13,0.29,0.53}{\textbf{#1}}} +\newcommand{\NormalTok}[1]{#1} +\newcommand{\OperatorTok}[1]{\textcolor[rgb]{0.81,0.36,0.00}{\textbf{#1}}} +\newcommand{\OtherTok}[1]{\textcolor[rgb]{0.56,0.35,0.01}{#1}} +\newcommand{\PreprocessorTok}[1]{\textcolor[rgb]{0.56,0.35,0.01}{\textit{#1}}} +\newcommand{\RegionMarkerTok}[1]{#1} +\newcommand{\SpecialCharTok}[1]{\textcolor[rgb]{0.81,0.36,0.00}{\textbf{#1}}} +\newcommand{\SpecialStringTok}[1]{\textcolor[rgb]{0.31,0.60,0.02}{#1}} +\newcommand{\StringTok}[1]{\textcolor[rgb]{0.31,0.60,0.02}{#1}} +\newcommand{\VariableTok}[1]{\textcolor[rgb]{0.00,0.00,0.00}{#1}} +\newcommand{\VerbatimStringTok}[1]{\textcolor[rgb]{0.31,0.60,0.02}{#1}} +\newcommand{\WarningTok}[1]{\textcolor[rgb]{0.56,0.35,0.01}{\textbf{\textit{#1}}}} +\usepackage{longtable,booktabs,array} +\usepackage{calc} % for calculating minipage widths +% Correct order of tables after \paragraph or \subparagraph +\usepackage{etoolbox} +\makeatletter +\patchcmd\longtable{\par}{\if@noskipsec\mbox{}\fi\par}{}{} +\makeatother +% Allow footnotes in longtable head/foot +\IfFileExists{footnotehyper.sty}{\usepackage{footnotehyper}}{\usepackage{footnote}} +\makesavenoteenv{longtable} +\usepackage{graphicx} +\makeatletter +\def\maxwidth{\ifdim\Gin@nat@width>\linewidth\linewidth\else\Gin@nat@width\fi} +\def\maxheight{\ifdim\Gin@nat@height>\textheight\textheight\else\Gin@nat@height\fi} +\makeatother +% Scale images if necessary, so that they will not overflow the page +% margins by default, and it is still possible to overwrite the defaults +% using explicit options in \includegraphics[width, height, ...]{} +\setkeys{Gin}{width=\maxwidth,height=\maxheight,keepaspectratio} +% Set default figure placement to htbp +\makeatletter +\def\fps@figure{htbp} +\makeatother +\setlength{\emergencystretch}{3em} % prevent overfull lines +\providecommand{\tightlist}{% + \setlength{\itemsep}{0pt}\setlength{\parskip}{0pt}} +\setcounter{secnumdepth}{5} +\ifLuaTeX + \usepackage{selnolig} % disable illegal ligatures +\fi +\usepackage{bookmark} +\IfFileExists{xurl.sty}{\usepackage{xurl}}{} % add URL line breaks if available +\urlstyle{same} +\hypersetup{ + hidelinks, + pdfcreator={LaTeX via pandoc}} + +\author{} +\date{\vspace{-2.5em}} + +\begin{document} + +{ +\setcounter{tocdepth}{2} +\tableofcontents +} +\section*{Presentación}\label{presentaciuxf3n} +\addcontentsline{toc}{section}{Presentación} + +\subsection*{Objetivo}\label{objetivo} +\addcontentsline{toc}{subsection}{Objetivo} + +El objetivo de estos ejercicios es proporcionar unos materiales de soporte para la asignatura de ``Inferencia Estadística'' del \href{https://www.uoc.edu/es/estudios/masters/master-universitario-bioinformatica-bioestadistica}{Máster interuniversitario de Bioiestadística y Bioinformática} impartido conjuntamente por la \href{https://www.uoc.edu}{Universitat Oberta de Catalunya (UOC)} y la \href{https://www.ub.edu}{Universidad de Barcelona (UB)}. + +Esta asignatura adolece de las características habituales de las asignaturas de posgrado, y especialmente de un posgrado de estadística (y bioinformática), que muestran algunas de las cosas que no debe de ser esta asignatura: + +Tal como se indica en la introducción a las notas de soporte del curso, este debería: + +\begin{itemize} +\tightlist +\item + Servir para repasar y consolidar los conceptos básicos que la mayoría de estudiantes traerán consigo. +\item + Además, y sobretodo, debe proporcionar una visión general, lo más completa posible dentro de las limitaciones de tiempo, del campo de la inferencia estadística +\end{itemize} + +Y, naturalmente, una de las formas de consolidar conocimientos, como en cualquier disciplina cuantitatva,es a traves de la resolución de ejercicios que permiten reflexionar, comprender y ver como se aplican los conceptos teóricos introducidos. + +Para ello, estos materiales contienen una serie de ejercicios similares a los que se proponen en las actividades y pruebas de evaluación continua de la asignatura. + +La mayoría de los ejercicios estan resueltos, pero \emph{es importante intentar resolverlos de forma autónoma antes de consultar la solución}. + +En general los ejercicios no presuponen ningún conocimiento especial de matemáticas, más allá de las habilidades básicas que se adquieren durante los estudios de una carrera de ciencias o de ingeniería. + +\section{Probabilidad y Experimentos aleatorios}\label{probabilidad-y-experimentos-aleatorios} + +\subsection{Problema 1}\label{problema-1} + +Sean \(A\) y \(B\) dos sucesos. Suponiendo que \(P(A)=0.3, P(B)=0.6\), y \(P(A \cap B)=0.1\), calcula las siguientes probabilidades: + +\begin{enumerate} +\def\labelenumi{\alph{enumi})} +\item + \(P(A \cup B)\) +\item + \(P(A^c)\) +\item + \(P(A c \cap B)\) +\item + \(P(A \cap B^c)\) +\item + \(P(A^c \cap B^c)\) +\end{enumerate} + +\subsubsection{Solución}\label{soluciuxf3n} + +\begin{enumerate} +\def\labelenumi{\alph{enumi}.} +\tightlist +\item + \(P(A \cup B)=P(A)+P(B)-P(A \cap B)=0.3+0.6-0.1=0.8\) +\item + \(P\left(A^{c}\right)=1-P(A)=1-0.3=0.7\) +\item + \(P\left(A^{c} \cap B\right)=P(B)-P(A \cap B)=0.6-0.1=0.5\) +\item + \(P\left(A \cap B^{c}\right)=P(A)-P(A \cap B)=0.3-0.1=0.2\) +\item + \(P\left(A^{c} \cap B^{c}\right)=1-P(A \cup B)=1-0.8=0.2\) +\end{enumerate} + +\subsection{Problema 2}\label{problema-2} + +Una población está afectada por tres enfermedades diferentes A, B i C. La probabilidad de que una persona sufra \(A\) es 0.30 , la probabilidad de que sufra \(B\) es 0.20 y la probabilidad de que sufra \(C\) es 0.15 . La probabilidad de que una persona sufra \(A\) y \(B\) es 0.12 , la que sufra \(A\) y \(C\) es 0.09 y la que sufra \(B\) y \(C\) es 0.06 . La probabilidad de que una persona sufra las tres enfermedades es 0.03 . Se piden las probabilidades de que una persona escogida al azar: + +\begin{enumerate} + +\item padezca al menos una enfermedad + +\item sólo sufra $A$ + +\item sufra B o C, pero no sufra A + +\item sufra A o no sufra ni B ni C. + +\end{enumerate} + +\subsubsection{Solución}\label{soluciuxf3n-1} + +\begin{center}\rule{0.5\linewidth}{0.5pt}\end{center} + +\begin{enumerate} +\def\labelenumi{\alph{enumi})} +\tightlist +\item + \textbf{¿Cuál es la probabilidad de que una persona padezca al menos una enfermedad?} +\end{enumerate} + +Queremos calcular la probabilidad de que una persona sufra al menos una de las tres enfermedades, es decir, \(P(A \cup B \cup C)\). + +Para calcular \(P(A \cup B \cup C)\), usamos la regla de inclusión-exclusión: + +\[ +P(A \cup B \cup C) = P(A) + P(B) + P(C) - P(A \cap B) - P(A \cap C) - P(B \cap C) + P(A \cap B \cap C) +\] + +Sustituyendo los valores dados en el enunciado: + +\[ +P(A \cup B \cup C) = 0.30 + 0.20 + 0.15 - 0.12 - 0.09 - 0.06 + 0.03 = 0.41 +\] + +Por lo tanto, la probabilidad de que una persona padezca al menos una enfermedad es \textbf{0.41}. + +\begin{center}\rule{0.5\linewidth}{0.5pt}\end{center} + +\begin{enumerate} +\def\labelenumi{\alph{enumi})} +\setcounter{enumi}{1} +\tightlist +\item + \textbf{¿Cuál es la probabilidad de que una persona solo sufra \(A\)?} +\end{enumerate} + +Para resolver esto, necesitamos calcular la probabilidad de que la persona sufra \(A\), pero no \(B\) ni \(C\), es decir, \(P(A \cap B^c \cap C^c)\). + +Podemos calcular \(P(A \cap B^c \cap C^c)\) restando de \(P(A)\) la probabilidad de que la persona sufra \(A\) junto con alguna de las otras dos enfermedades: + +\[ +P(A \cap B^c \cap C^c) = P(A) - P(A \cap B) - P(A \cap C) + P(A \cap B \cap C) +\] + +Sustituyendo los valores: + +\[ +P(A \cap B^c \cap C^c) = 0.30 - 0.12 - 0.09 + 0.03 = 0.12 +\] + +Por lo tanto, la probabilidad de que una persona solo sufra \(A\) es \textbf{0.12}. + +\begin{center}\rule{0.5\linewidth}{0.5pt}\end{center} + +\begin{enumerate} +\def\labelenumi{\alph{enumi})} +\setcounter{enumi}{2} +\tightlist +\item + \textbf{¿Cuál es la probabilidad de que una persona sufra \(B\) o \(C\), pero no sufra \(A\)?} +\end{enumerate} + +Aquí buscamos la probabilidad \(P(A^c \cap (B \cup C))\), es decir, la probabilidad de que la persona no tenga \(A\), pero tenga \(B\) o \(C\). + +Primero, calculamos \(P(B \cup C)\) utilizando la regla de inclusión-exclusión: + +\[ +P(B \cup C) = P(B) + P(C) - P(B \cap C) +\] + +Sustituyendo los valores: + +\[ +P(B \cup C) = 0.20 + 0.15 - 0.06 = 0.29 +\] + +Ahora, para calcular \(P(A^c \cap (B \cup C))\), restamos de \(P(B \cup C)\) la probabilidad de que la persona tenga \(A\) y alguna de las enfermedades \(B\) o \(C\), es decir, \(P(A \cap (B \cup C))\): + +\[ +P(A \cap (B \cup C)) = P(A \cap B) + P(A \cap C) - P(A \cap B \cap C) +\] + +Sustituyendo los valores: + +\[ +P(A \cap (B \cup C)) = 0.12 + 0.09 - 0.03 = 0.18 +\] + +Finalmente, restamos: + +\[ +P(A^c \cap (B \cup C)) = P(B \cup C) - P(A \cap (B \cup C)) = 0.29 - 0.18 = 0.11 +\] + +Por lo tanto, la probabilidad de que una persona sufra \(B\) o \(C\), pero no \(A\), es \textbf{0.11}. + +\begin{center}\rule{0.5\linewidth}{0.5pt}\end{center} + +\begin{enumerate} +\def\labelenumi{\alph{enumi})} +\setcounter{enumi}{3} +\tightlist +\item + \textbf{¿Cuál es la probabilidad de que una persona sufra \(A\) o no sufra ni \(B\) ni \(C\)?} +\end{enumerate} + +Aquí buscamos la probabilidad \(P(A \cup (B^c \cap C^c))\), es decir, que la persona sufra \(A\) o que no sufra ni \(B\) ni \(C\). + +Primero, calculamos \(P(B^c \cap C^c)\), que es la probabilidad de que la persona no sufra ni \(B\) ni \(C\). Esto es simplemente \(1 - P(B \cup C)\), que ya calculamos previamente: + +\[ +P(B^c \cap C^c) = 1 - P(B \cup C) = 1 - 0.29 = 0.71 +\] + +Ahora, aplicamos la regla de la unión para calcular \(P(A \cup (B^c \cap C^c))\): + +\[ +P(A \cup (B^c \cap C^c)) = P(A) + P(B^c \cap C^c) - P(A \cap B^c \cap C^c) +\] + +Ya calculamos \(P(B^c \cap C^c)\), y sabemos que \(P(A \cap B^c \cap C^c)\) es la probabilidad de que una persona solo sufra \(A\), que también calculamos previamente: + +\[ +P(A \cap B^c \cap C^c) = 0.12 +\] + +Sustituyendo los valores: + +\[ +P(A \cup (B^c \cap C^c)) = 0.30 + 0.71 - 0.12 = 0.89 +\] + +Por lo tanto, la probabilidad de que una persona sufra \(A\) o no sufra ni \(B\) ni \(C\) es \textbf{0.89}. + +\textbf{Resumiendo:} + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\tightlist +\item + La probabilidad de que una persona padezca al menos una enfermedad es \textbf{0.41}. +\item + La probabilidad de que una persona solo sufra \(A\) es \textbf{0.12}. +\item + La probabilidad de que una persona sufra \(B\) o \(C\), pero no \(A\), es \textbf{0.11}. +\item + La probabilidad de que una persona sufra \(A\) o no sufra ni \(B\) ni \(C\) es \textbf{0.89}. +\end{enumerate} + +\subsection{Problema 3}\label{problema-3} + +Por los síntomas observados en un enfermo, y según la experiencia acumulada en un gran número de situaciones similares, se deduce que ha podido coger la enfermedad \(A\) con probabilidad \(1 / 3\), o la enfermedad \(B\) con probabilidad \(2 / 3\). Con el fin de precisar el diagnóstico, se hace un análisis clínico al enfermo con dos resultados posibles, positivo o negativo. Se sabe, también por experiencia, que en los pacientes que tienen la enfermedad En el análisis es positiva con probabilidad 0.99 , y en los que padecen la enfermedad B lo es con probabilidad 0.06 + +\begin{enumerate} +\def\labelenumi{\alph{enumi})} +\item + ¿Cuál es la probabilidad de que el análisis dé un + resultado negativo? +\item + Si el resultado ha sido positivo, ¿cuál es la probabilidad de que el paciente sufra la enfermedad A? ¿Y la probabilidad de que padezca la enfermedad B? +\end{enumerate} + +\subsubsection{Solución}\label{soluciuxf3n-2} + +\begin{enumerate} +\def\labelenumi{\alph{enumi}.} +\item + \[ + \begin{aligned} + P(Neg)&=P(Neg|A) \cdot P(A)+P(Neg|B) \cdot P(B)= + \\&= 0.01 \cdot 1 / 3+0.94 \cdot 2 / 3=0.63 + \end{aligned} + \] +\item +\end{enumerate} + +\[ +\begin{aligned} +\mathrm{P}(\mathrm{A} | Pos )&=\frac{P(\text { Pos } | A) P(A)}{P(\text { Pos})}=0.8919, \quad \text{para A},\\ +\mathrm{P}(\mathrm{B} | Pos)&=1-\mathrm{P}(\mathrm{A} / Positiu )=0.1081, \quad \text{para $B$}. +\end{aligned} +\] + +Las probabilidades las hemos calculado con R a partir de la información del enunciado: + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{pA}\OtherTok{\textless{}{-}}\DecValTok{1}\SpecialCharTok{/}\DecValTok{3} +\NormalTok{pB}\OtherTok{\textless{}{-}}\DecValTok{2}\SpecialCharTok{/}\DecValTok{3} +\NormalTok{ppA}\OtherTok{\textless{}{-}}\FloatTok{0.99} +\NormalTok{ppB}\OtherTok{\textless{}{-}}\FloatTok{0.06} +\NormalTok{pn}\OtherTok{\textless{}{-}}\NormalTok{(}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{ppA)}\SpecialCharTok{*}\NormalTok{pA}\SpecialCharTok{+}\NormalTok{(}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{ppB)}\SpecialCharTok{*}\NormalTok{pB} +\NormalTok{pn} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.63 +\end{verbatim} + +\subsection{Problema 4}\label{problema-4} + +El embolismo pulmonar es una condición relativamente común que necesita hospitalización y que a menudo ocurre en pacientes hospitalizados. La presión arterial menor de 90 mm HG es uno de los criterios importantes para diagnosticar esta condición. Supongamos que la sensibilidad del test es del 95\% y la especificidad del test es del 75\% y la prevalencia es del 20\%. + +\begin{enumerate} +\def\labelenumi{\alph{enumi})} +\item + Calcula el valor predictivo positivo del test. +\item + Calcula el valor predictivo negativo del test. +\item + Responde a las preguntas anteriores si la prevalencia fuera del \(80 \%\). +\end{enumerate} + +\subsubsection{Solución}\label{soluciuxf3n-3} + +\begin{enumerate} +\def\labelenumi{\alph{enumi})} +\tightlist +\item + Calcula el valor predictivo positivo del test +\end{enumerate} + +\[ +V P+=P(\text { Embolismo } / \text { Test }+)=\frac{\text { Sens}\times\text{Prev }}{\text { Sens}\times\text{Prev }+(1-\text { Esp })(1-\text { Prev })} +\] + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{sens}\OtherTok{\textless{}{-}}\FloatTok{0.95} +\NormalTok{esp}\OtherTok{\textless{}{-}}\FloatTok{0.75} +\NormalTok{prev}\OtherTok{\textless{}{-}}\FloatTok{0.20} +\NormalTok{vpp}\OtherTok{\textless{}{-}}\NormalTok{(sens}\SpecialCharTok{*}\NormalTok{prev)}\SpecialCharTok{/}\NormalTok{(sens}\SpecialCharTok{*}\NormalTok{prev}\SpecialCharTok{+}\NormalTok{(}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{esp)}\SpecialCharTok{*}\NormalTok{(}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{prev))} +\NormalTok{vpp} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.4871795 +\end{verbatim} + +\begin{enumerate} +\def\labelenumi{\alph{enumi})} +\setcounter{enumi}{1} +\tightlist +\item + Calcula el valor predictivo negativo del test +\end{enumerate} + +\[ +V P-=\frac{\operatorname{Esp}(1-\operatorname{Prev})}{\operatorname{Esp}(1-\operatorname{Prev})+(1-\text { Sens }) \operatorname{Prev}} +\] + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{vpn}\OtherTok{\textless{}{-}}\NormalTok{(esp}\SpecialCharTok{*}\NormalTok{(}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{prev))}\SpecialCharTok{/}\NormalTok{(esp}\SpecialCharTok{*}\NormalTok{(}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{prev)}\SpecialCharTok{+}\NormalTok{(}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{sens)}\SpecialCharTok{*}\NormalTok{prev)} +\NormalTok{vpn} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.9836066 +\end{verbatim} + +Como se observa al tratarse de una prueba muy sensible y poco específica hay pocos falsos negativos y cuando el test da negativo hay una probabilidad muy alta (0.98) de que el individuo sea sano. No así cuando da positivo. Sólo el \(48 \%\) serán verdaderos enfermos. + +\begin{enumerate} +\def\labelenumi{\alph{enumi})} +\setcounter{enumi}{2} +\tightlist +\item + Responde a las preguntas anteriores si la prevalencia fuera del 80\% +\end{enumerate} + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{prev}\OtherTok{\textless{}{-}}\FloatTok{0.80} +\NormalTok{vpp}\OtherTok{\textless{}{-}}\NormalTok{(sens}\SpecialCharTok{*}\NormalTok{prev)}\SpecialCharTok{/}\NormalTok{(sens}\SpecialCharTok{*}\NormalTok{prev}\SpecialCharTok{+}\NormalTok{(}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{esp)}\SpecialCharTok{*}\NormalTok{(}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{prev))} +\NormalTok{vpp} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.9382716 +\end{verbatim} + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{vpn}\OtherTok{\textless{}{-}}\NormalTok{(esp}\SpecialCharTok{*}\NormalTok{(}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{prev))}\SpecialCharTok{/}\NormalTok{(esp}\SpecialCharTok{*}\NormalTok{(}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{prev)}\SpecialCharTok{+}\NormalTok{(}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{sens)}\SpecialCharTok{*}\NormalTok{prev)} +\NormalTok{vpn} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.7894737 +\end{verbatim} + +Si la prevalencia es más alta, el VP- sigue siendo alto, aunque no tanto pero hemos aumentado el VP+ hasta el 93\% y no habrá tantos falsos positivos. Lo que está claro es el VPN y el VPP dependen de la prevalencia de la enfermedad. + +\subsection{Problema 5}\label{problema-5} + +Un índice que evalúa el síndrome de la muerte súbita (SMS) tiene una sensibilidad del \(68 \%\) y una especificidad del \(82 \%\). ¿Cuáles son los valores predictivos positivo y negativo del índice si se aplica a una población donde se producen un \(0,21 \%\) de muertes súbitas sobre el total de nacimientos? + +\subsubsection{Solución}\label{soluciuxf3n-4} + +La prevalencia del síndrome de la muerte súbita en la población es del 0.21\%, es decir 0.0021. + +Nos piden que calculemos respectivamente los valores predictivos positivo y negativo del test. Es decir, que tan bien funciona el test para detectar la enfermedad (\(SMS\)) cuando da un resultado positivo (\(T+\)) y para indicar su ausencia (\(SMS^c\)), mediante un resultado negativo (\(T-\)). + +\[ +VP+ = P[SMS | T+],\qquad VP- = P[SMS^c | T-], +\] + +Puede hacerse el cálculo directamente a partir de las probabilidades condicionadas. + +\[ +\begin{aligned} +VP+ & = P[SMS | T+]= \frac {P[T+ | SMS]\times P[SMS]}{P[T+]} =\\ +& = \frac {P[T+ | SMS]\times P[SMS]} +{P[T+|SMS]\times P[SMS]+ P[T+|SMS^c]\times P[SMS^c]}=\\ +& = \frac{\text {Sensibilidad}\times \text{Prevalencia}} +{\text {Sensibilidad}\times \text{Prevalencia}+ +\text {1-Especificidad}\times \text{1-Prevalencia}} +\end{aligned} +\] + +De forma análoga: + +\[ +\begin{aligned} +VP- & = P[SMS^c | T-]= \frac {P[T- | SMS^c]\times P[SMS^c]}{P[T-]} =\\ +& = \frac {P[T- | SMS^c]\times P[SMS^c]}{P[T- | SMS^c]\times P[SMS^c] + P[T- | SMS]\times P[SMS]}=\\ +& = \frac{\text {Especificidad}\times \text{1-Prevalencia}} +{\text {Especificidad}\times \text{1-Prevalencia}+ +\text {1-Sensibilidad}\times \text{Prevalencia}} +\end{aligned} +\] + +Estos cálculos se reañlizan de forma imediata usando R: + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{sensi }\OtherTok{\textless{}{-}} \FloatTok{0.68} +\NormalTok{espec }\OtherTok{\textless{}{-}} \FloatTok{0.82} +\NormalTok{prev }\OtherTok{\textless{}{-}} \FloatTok{0.0021} +\NormalTok{vp.pos }\OtherTok{\textless{}{-}}\NormalTok{ (sensi }\SpecialCharTok{*}\NormalTok{ prev )}\SpecialCharTok{/}\NormalTok{ (sensi }\SpecialCharTok{*}\NormalTok{ prev }\SpecialCharTok{+}\NormalTok{ (}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{espec)}\SpecialCharTok{*}\NormalTok{ (}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{prev))} +\FunctionTok{cat}\NormalTok{ (}\StringTok{"El valor predictivo positivo es: "}\NormalTok{, vp.pos)} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## El valor predictivo positivo es: 0.007887324 +\end{verbatim} + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{vp.neg }\OtherTok{\textless{}{-}}\NormalTok{ (espec }\SpecialCharTok{*}\NormalTok{ (}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{prev) )}\SpecialCharTok{/}\NormalTok{ (espec }\SpecialCharTok{*}\NormalTok{ (}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{prev) }\SpecialCharTok{+}\NormalTok{ (}\DecValTok{1}\SpecialCharTok{{-}}\NormalTok{sensi)}\SpecialCharTok{*}\NormalTok{ (prev))} +\FunctionTok{cat}\NormalTok{ (}\StringTok{"El valor predictivo negativo es: "}\NormalTok{, vp.neg)} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## El valor predictivo negativo es: 0.9991794 +\end{verbatim} + +Como en el caso anterior, podemos ver que. al ser la prevalencia muy baja, el valor predicpositivo del test también lo es puesto que un test + tan solo indica en un 0,79\% de veces la presencia del síndrome, correctamente. + +\section{Variables aleatorias y Distribuciones de probabilidad}\label{variables-aleatorias-y-distribuciones-de-probabilidad} + +\subsection{Ejercicio 2.1}\label{ejercicio-2.1} + +Se sabe que la presencia de algunas mutaciones en una región genómica puede influir en la sobreexpresión (``Up'') o la inhibición (``Down'') de dos genes distintos. Se conocen 6 variantes de dicha mutación y, dado que los efectos de la sobreexpresión de los dos genes son muy similares se ha optado por contar únicamente cuántos genes se sobre-expresan en presencia de cada una de ellas (un individuo puede presentar una única variante). Un estudio realizado sobre 300 pacientes ha permitido estimar las siguientes probabilidades de aparición de cada mutación así como el número de genes sobre-expresados asociados a las mismas. Los resultados se encuentran disponibles en la tabla siguiente: + +\begin{longtable}[]{@{}ccc@{}} +\toprule\noalign{} +Mutación & Probabilidad & \(N^{\circ}\) de genes \\ +\midrule\noalign{} +\endhead +\bottomrule\noalign{} +\endlastfoot +\(e_{1}\) & 0.15 & 0 \\ +\(e_{2}\) & 0.13 & 1 \\ +\(e_{3}\) & 0.07 & 1 \\ +\(e_{4}\) & 0.30 & 2 \\ +\(e_{5}\) & 0.20 & 2 \\ +\(e_{6}\) & 0.15 & 0 \\ +\end{longtable} + +Consideremos la variable aleatoria: \(X=\) ``Número de genes sobre expresados'' + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\item + Obtener su distribución de probabilidad y representarla gráficamente +\item + Calcular la esperanza y la varianza de dicha variable +\end{enumerate} + +\textbf{SOLUCIÓN} + +La variable aleatoria que nos interesa es \(X=\) ``Número de genes sobre-expresados''. + +\subsection{1. Distribución de probabilidad}\label{distribuciuxf3n-de-probabilidad} + +Para obtener la distribución de probabilidad de \(X\), necesitamos sumar las probabilidades de las mutaciones que tienen el mismo número de genes sobre-expresados. + +Los posibles valores de \(X\) son 0, 1 y 2. A continuación calculamos la probabilidad de cada uno: + +\begin{itemize} +\tightlist +\item + Para \(X = 0\), las mutaciones son \(e_1\) y \(e_6\): +\end{itemize} + +\[ +P(X = 0) = P(e_1) + P(e_6) = 0.15 + 0.15 = 0.30 +\] + +\begin{itemize} +\tightlist +\item + Para \(X = 1\), las mutaciones son \(e_2\) y \(e_3\): +\end{itemize} + +\[ +P(X = 1) = P(e_2) + P(e_3) = 0.13 + 0.07 = 0.20 +\] + +\begin{itemize} +\tightlist +\item + Para \(X = 2\), las mutaciones son \(e_4\) y \(e_5\): +\end{itemize} + +\[ +P(X = 2) = P(e_4) + P(e_5) = 0.30 + 0.20 = 0.50 +\] + +La distribución de probabilidad de \(X\) es la siguiente: + +\[ +P(X = x) = +\begin{cases} +0.30 & \text{si } x = 0, \\ +0.20 & \text{si } x = 1, \\ +0.50 & \text{si } x = 2. +\end{cases} +\] + +Podemos representarla gráficamente usando R: + +\begin{Shaded} +\begin{Highlighting}[] +\CommentTok{\# Valores de X y sus probabilidades} +\NormalTok{X\_values }\OtherTok{\textless{}{-}} \FunctionTok{c}\NormalTok{(}\DecValTok{0}\NormalTok{, }\DecValTok{1}\NormalTok{, }\DecValTok{2}\NormalTok{)} +\NormalTok{probabilities }\OtherTok{\textless{}{-}} \FunctionTok{c}\NormalTok{(}\FloatTok{0.30}\NormalTok{, }\FloatTok{0.20}\NormalTok{, }\FloatTok{0.50}\NormalTok{)} + +\CommentTok{\# Crear el gráfico} +\FunctionTok{barplot}\NormalTok{(probabilities, }\AttributeTok{names.arg =}\NormalTok{ X\_values, }\AttributeTok{col =} \StringTok{"lightblue"}\NormalTok{,} + \AttributeTok{main =} \StringTok{"Distribución de Probabilidad de X"}\NormalTok{,} + \AttributeTok{xlab =} \StringTok{"Número de genes sobre{-}expresados"}\NormalTok{, }\AttributeTok{ylab =} \StringTok{"Probabilidad"}\NormalTok{)} +\end{Highlighting} +\end{Shaded} + +\includegraphics{Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-7-1.pdf} + +\subsection{2. Esperanza y varianza}\label{esperanza-y-varianza} + +La \textbf{esperanza} (o valor esperado) de una variable aleatoria discreta \(X\) se calcula como: + +\[ +E(X) = \sum_{x} x \cdot P(X = x) +\] + +Sustituyendo los valores: + +\[ +E(X) = 0 \cdot 0.30 + 1 \cdot 0.20 + 2 \cdot 0.50 = 0 + 0.20 + 1.00 = 1.20 +\] + +La \textbf{varianza} de \(X\) se calcula como: + +\[ +\text{Var}(X) = E(X^2) - [E(X)]^2 +\] + +Primero calculamos \(E(X^2)\): + +\[ +E(X^2) = \sum_{x} x^2 \cdot P(X = x) +\] + +\[ +E(X^2) = 0^2 \cdot 0.30 + 1^2 \cdot 0.20 + 2^2 \cdot 0.50 = 0 + 0.20 + 2.00 = 2.20 +\] + +Entonces, la varianza es: + +\[ +\text{Var}(X) = 2.20 - (1.20)^2 = 2.20 - 1.44 = 0.76 +\] + +Verificamos los cálculos con R: + +\begin{Shaded} +\begin{Highlighting}[] +\CommentTok{\# Calcular esperanza y varianza} +\NormalTok{esperanza }\OtherTok{\textless{}{-}} \FunctionTok{sum}\NormalTok{(X\_values }\SpecialCharTok{*}\NormalTok{ probabilities)} +\NormalTok{esperanza\_cuadrado }\OtherTok{\textless{}{-}} \FunctionTok{sum}\NormalTok{(X\_values}\SpecialCharTok{\^{}}\DecValTok{2} \SpecialCharTok{*}\NormalTok{ probabilities)} + +\NormalTok{varianza }\OtherTok{\textless{}{-}}\NormalTok{ esperanza\_cuadrado }\SpecialCharTok{{-}}\NormalTok{ esperanza}\SpecialCharTok{\^{}}\DecValTok{2} + +\NormalTok{esperanza} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 1.2 +\end{verbatim} + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{varianza} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.76 +\end{verbatim} + +\subsection{Ejercicio 2.2}\label{ejercicio-2.2} + +Para describir el número de mutaciones presentes en un volumen estándar de un tumor unos investigadores han propuesto el modelo siguiente + +\[ +p(x)=\frac{K}{2+x}, x=0,1,2,3,4,5 +\] + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\tightlist +\item + Determinar qué valor debe de tener \(K\) para que \(p(x)\) sea una función de masa de probabilidad +\item + Calcular su esperanza y su varianza +\item + Calcular las probabilidades de los sucesos: + + \begin{itemize} + \tightlist + \item + 1 Un tumor presenta exactamente tres mutaciones + \item + 2 Un tumor presenta al menos una mutación + \item + 3 Un tumor presenta como máximo dos mutaciones. + \end{itemize} +\end{enumerate} + +\textbf{SOLUCIÓN} + +Se considera el modelo para la distribución de probabilidades de mutaciones en un tumor dado por: + +\[ +p(x)=\frac{K}{2+x}, x=0,1,2,3,4,5 +\] + +\subsection{\texorpdfstring{Determinar el valor de \(K\)}{Determinar el valor de K}}\label{determinar-el-valor-de-k} + +Para que \(p(x)\) sea una función de masa de probabilidad, la suma de todas las probabilidades debe ser igual a 1. Es decir: + +\[ +\sum_{x=0}^{5} p(x) = 1 +\] + +Sustituyendo la fórmula de \(p(x)\): + +\[ +\sum_{x=0}^{5} \frac{K}{2+x} = 1 +\] + +Simplificamos la suma: + +\[ +K \sum_{x=0}^{5} \frac{1}{2+x} = 1 +\] + +La suma es: + +\[ +\sum_{x=0}^{5} \frac{1}{2+x} = \frac{1}{2} + \frac{1}{3} + \frac{1}{4} + \frac{1}{5} + \frac{1}{6} + \frac{1}{7} +\] + +Podemos calcular esta suma numéricamente en R: + +\begin{Shaded} +\begin{Highlighting}[] +\CommentTok{\# Valores de la suma} +\NormalTok{suma }\OtherTok{\textless{}{-}} \FunctionTok{sum}\NormalTok{(}\DecValTok{1} \SpecialCharTok{/}\NormalTok{ (}\DecValTok{2} \SpecialCharTok{+} \DecValTok{0}\SpecialCharTok{:}\DecValTok{5}\NormalTok{))} + +\CommentTok{\# Calcular el valor de K} +\NormalTok{K }\OtherTok{\textless{}{-}} \DecValTok{1} \SpecialCharTok{/}\NormalTok{ suma} +\NormalTok{K} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.6278027 +\end{verbatim} + +\subsection{Calcular la esperanza y la varianza}\label{calcular-la-esperanza-y-la-varianza} + +La \textbf{esperanza} de \(X\) se calcula como: + +\[ +E(X) = \sum_{x=0}^{5} x \cdot p(x) = \sum_{x=0}^{5} x \cdot \frac{K}{2+x} +\] + +La \textbf{varianza} se calcula usando: + +\[ +\text{Var}(X) = E(X^2) - [E(X)]^2 +\] + +Para esto, primero calculamos \(E(X^2)\): + +\[ +E(X^2) = \sum_{x=0}^{5} x^2 \cdot p(x) = \sum_{x=0}^{5} x^2 \cdot \frac{K}{2+x} +\] + +Podemos calcular la esperanza y la varianza en R de la siguiente forma: + +\begin{Shaded} +\begin{Highlighting}[] +\CommentTok{\# Calcular la esperanza} +\NormalTok{esperanza }\OtherTok{\textless{}{-}} \FunctionTok{sum}\NormalTok{((}\DecValTok{0}\SpecialCharTok{:}\DecValTok{5}\NormalTok{) }\SpecialCharTok{*}\NormalTok{ K }\SpecialCharTok{/}\NormalTok{ (}\DecValTok{2} \SpecialCharTok{+} \DecValTok{0}\SpecialCharTok{:}\DecValTok{5}\NormalTok{))} + +\CommentTok{\# Calcular la esperanza al cuadrado} +\NormalTok{esperanza\_cuadrado }\OtherTok{\textless{}{-}} \FunctionTok{sum}\NormalTok{((}\DecValTok{0}\SpecialCharTok{:}\DecValTok{5}\NormalTok{)}\SpecialCharTok{\^{}}\DecValTok{2} \SpecialCharTok{*}\NormalTok{ K }\SpecialCharTok{/}\NormalTok{ (}\DecValTok{2} \SpecialCharTok{+} \DecValTok{0}\SpecialCharTok{:}\DecValTok{5}\NormalTok{))} + +\CommentTok{\# Calcular la varianza} +\NormalTok{varianza }\OtherTok{\textless{}{-}}\NormalTok{ esperanza\_cuadrado }\SpecialCharTok{{-}}\NormalTok{ esperanza}\SpecialCharTok{\^{}}\DecValTok{2} + +\NormalTok{esperanza} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 1.766816 +\end{verbatim} + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{varianza} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 2.761769 +\end{verbatim} + +\subsection{3. Calcular las probabilidades}\label{calcular-las-probabilidades} + +\subsubsection{1. Probabilidad de que un tumor presente exactamente tres mutaciones}\label{probabilidad-de-que-un-tumor-presente-exactamente-tres-mutaciones} + +La probabilidad de que \(X = 3\) es: + +\[ +P(X = 3) = p(3) = \frac{K}{2+3} +\] + +Podemos calcularlo en R: + +\begin{Shaded} +\begin{Highlighting}[] +\CommentTok{\# Probabilidad de X = 3} +\NormalTok{P\_X\_3 }\OtherTok{\textless{}{-}}\NormalTok{ K }\SpecialCharTok{/}\NormalTok{ (}\DecValTok{2} \SpecialCharTok{+} \DecValTok{3}\NormalTok{)} +\NormalTok{P\_X\_3} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.1255605 +\end{verbatim} + +\subsubsection{2. Probabilidad de que un tumor presente al menos una mutación}\label{probabilidad-de-que-un-tumor-presente-al-menos-una-mutaciuxf3n} + +La probabilidad de que \(X \geq 1\) es: + +\[ +P(X \geq 1) = 1 - P(X = 0) +\] + +Podemos calcularlo en R: + +\begin{Shaded} +\begin{Highlighting}[] +\CommentTok{\# Probabilidad de X \textgreater{}= 1} +\NormalTok{P\_X\_1 }\OtherTok{\textless{}{-}} \DecValTok{1} \SpecialCharTok{{-}}\NormalTok{ K }\SpecialCharTok{/}\NormalTok{ (}\DecValTok{2} \SpecialCharTok{+} \DecValTok{0}\NormalTok{)} +\NormalTok{P\_X\_1} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.6860987 +\end{verbatim} + +\subsubsection{3. Probabilidad de que un tumor presente como máximo dos mutaciones}\label{probabilidad-de-que-un-tumor-presente-como-muxe1ximo-dos-mutaciones} + +La probabilidad de que \(X \leq 2\) es: + +\[ +P(X \leq 2) = P(X = 0) + P(X = 1) + P(X = 2) +\] + +Podemos calcularlo en R: + +\begin{Shaded} +\begin{Highlighting}[] +\CommentTok{\# Probabilidad de X \textless{}= 2} +\NormalTok{P\_X\_2 }\OtherTok{\textless{}{-}} \FunctionTok{sum}\NormalTok{(K }\SpecialCharTok{/}\NormalTok{ (}\DecValTok{2} \SpecialCharTok{+} \DecValTok{0}\SpecialCharTok{:}\DecValTok{2}\NormalTok{))} +\NormalTok{P\_X\_2} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.6801196 +\end{verbatim} + +\subsection{Ejercicio 2.3}\label{ejercicio-2.3} + +Un modelo simplificado del tiempo de supervivencia, en años, tras un diagnóstico de una variante de leucemia es el siguiente: + +\[ +f_{x}(x)=-0.5 \cdot x+1, \quad \text { donde } \quad 0 \leq x \leq 2 +\] + +\begin{enumerate} +\def\labelenumi{\alph{enumi})} +\tightlist +\item + Comprobar que \(f_{X}\) es una densidad. Representarla gráficamente. +\item + Calcular \(\mathrm{F}_{\mathrm{X}} \mathrm{y}\) representarla gráficamente. +\item + Calcular \(P(X \geq 1), P(X>1), P(X=1), f_{x}(1)\). +\item + Calcular la probabilidad de que un individuo diagnosticado con leucemia sobreviva : +\end{enumerate} + +\begin{enumerate} +\def\labelenumi{(\roman{enumi})} +\tightlist +\item + menos de seis meses, (ii) entre seis meses y un año, (iii) más de dos años. +\end{enumerate} + +\begin{enumerate} +\def\labelenumi{\alph{enumi})} +\setcounter{enumi}{4} +\tightlist +\item + Calcular \(E(X)\) i \(\operatorname{Var}(X)\). +\item + En vista que el modelo anterior no ha resultado satisfactorio una bioestadística ha propuesto un modelo alternativo consistente en modelizar la variable como: +\end{enumerate} + +\[ +g_{X}(x)=\exp (-k x), \text { dondex } \geq 0 +\] + +Calcular la constante \(k\) para que \(\mathrm{g}_{\mathrm{x}}\) sea una función de densidad de probabilidad. Repetir los cálculos de los apartados b), c), d) y e) con el nuevo modelo. Discutir adecuación de ambos modelos a una situación real. + +\textbf{SOLUCIÓN} + +\subsection{\texorpdfstring{a) Comprobar que \(f_X(x)\) es una densidad}{a) Comprobar que f\_X(x) es una densidad}}\label{a-comprobar-que-f_xx-es-una-densidad} + +Para comprobar que \(f_X(x)\) es una función de densidad, necesitamos verificar que cumple las dos condiciones básicas: + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\tightlist +\item + \(f_X(x) \geq 0\) para todo \(x\) en su dominio. +\item + La integral de \(f_X(x)\) sobre todo su dominio debe ser 1, es decir: +\end{enumerate} + +\[ +\int_0^2 f_X(x) \, dx = 1 +\] + +La función de densidad dada es \(f_X(x) = -0.5 \cdot x + 1\) con \(0 \leq x \leq 2\). + +Primero, comprobamos que \(f_X(x) \geq 0\) para \(x \in [0, 2]\). Evaluamos los valores extremos: + +\begin{itemize} +\tightlist +\item + \(f_X(0) = -0.5 \cdot 0 + 1 = 1\) +\item + \(f_X(2) = -0.5 \cdot 2 + 1 = 0\) +\end{itemize} + +La función es no negativa en el intervalo dado. + +Ahora, calculamos la integral: + +\[ +\int_0^2 (-0.5 \cdot x + 1) \, dx = \left[ -0.25 \cdot x^2 + x \right]_0^2 = (-0.25 \cdot 4 + 2) - (0) = 1 +\] + +Por lo tanto, \(f_X(x)\) cumple con ambas condiciones y es una función de densidad. + +\subsubsection{\texorpdfstring{Gráfica de \(f_X(x)\)}{Gráfica de f\_X(x)}}\label{gruxe1fica-de-f_xx} + +\begin{Shaded} +\begin{Highlighting}[] +\CommentTok{\# R code to plot the density function} +\NormalTok{f\_x }\OtherTok{\textless{}{-}} \ControlFlowTok{function}\NormalTok{(x) }\SpecialCharTok{{-}}\FloatTok{0.5} \SpecialCharTok{*}\NormalTok{ x }\SpecialCharTok{+} \DecValTok{1} +\FunctionTok{curve}\NormalTok{(f\_x, }\AttributeTok{from =} \DecValTok{0}\NormalTok{, }\AttributeTok{to =} \DecValTok{2}\NormalTok{, }\AttributeTok{col =} \StringTok{"blue"}\NormalTok{, }\AttributeTok{lwd =} \DecValTok{2}\NormalTok{, }\AttributeTok{ylab =} \StringTok{"f\_X(x)"}\NormalTok{, }\AttributeTok{xlab =} \StringTok{"x"}\NormalTok{,} + \AttributeTok{main =} \StringTok{"Densidad f\_X(x)"}\NormalTok{)} +\end{Highlighting} +\end{Shaded} + +\includegraphics{Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-14-1.pdf} + +\subsection{\texorpdfstring{b) Calcular \(F_X(x)\) y representarla gráficamente}{b) Calcular F\_X(x) y representarla gráficamente}}\label{b-calcular-f_xx-y-representarla-gruxe1ficamente} + +La función de distribución acumulada (CDF) \(F_X(x)\) se obtiene integrando la función de densidad: + +\[ +F_X(x) = \int_0^x (-0.5 \cdot t + 1) \, dt +\] + +Para \(x \in [0, 2]\), tenemos: + +\[ +F_X(x) = \left[-0.25 \cdot t^2 + t\right]_0^x = -0.25 \cdot x^2 + x +\] + +Para \(x < 0\), \(F_X(x) = 0\), y para \(x > 2\), \(F_X(x) = 1\). + +\subsubsection{\texorpdfstring{Gráfica de \(F_X(x)\)}{Gráfica de F\_X(x)}}\label{gruxe1fica-de-f_xx-1} + +\begin{Shaded} +\begin{Highlighting}[] +\CommentTok{\# R code to plot the CDF function} +\NormalTok{F\_x }\OtherTok{\textless{}{-}} \ControlFlowTok{function}\NormalTok{(x) }\FunctionTok{ifelse}\NormalTok{(x }\SpecialCharTok{\textless{}} \DecValTok{0}\NormalTok{, }\DecValTok{0}\NormalTok{, }\FunctionTok{ifelse}\NormalTok{(x }\SpecialCharTok{\textgreater{}} \DecValTok{2}\NormalTok{, }\DecValTok{1}\NormalTok{, }\SpecialCharTok{{-}}\FloatTok{0.25} \SpecialCharTok{*}\NormalTok{ x}\SpecialCharTok{\^{}}\DecValTok{2} \SpecialCharTok{+}\NormalTok{ x))} +\FunctionTok{curve}\NormalTok{(F\_x, }\AttributeTok{from =} \SpecialCharTok{{-}}\DecValTok{1}\NormalTok{, }\AttributeTok{to =} \DecValTok{3}\NormalTok{, }\AttributeTok{col =} \StringTok{"red"}\NormalTok{, }\AttributeTok{lwd =} \DecValTok{2}\NormalTok{, }\AttributeTok{ylab =} \StringTok{"F\_X(x)"}\NormalTok{, }\AttributeTok{xlab =} \StringTok{"x"}\NormalTok{,} + \AttributeTok{main =} \StringTok{"Distribución acumulada F\_X(x)"}\NormalTok{)} +\end{Highlighting} +\end{Shaded} + +\includegraphics{Ejercicios-de-Inferencia-Estadistica_files/figure-latex/unnamed-chunk-15-1.pdf} + +\subsection{\texorpdfstring{c) Calcular probabilidades y \(f_X(1)\)}{c) Calcular probabilidades y f\_X(1)}}\label{c-calcular-probabilidades-y-f_x1} + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\tightlist +\item + \(P(X \geq 1) = 1 - F_X(1)\): +\end{enumerate} + +\[ +F_X(1) = -0.25 \cdot 1^2 + 1 = 0.75 +\] +Por lo tanto, \(P(X \geq 1) = 1 - 0.75 = 0.25\). + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\setcounter{enumi}{1} +\item + \(P(X > 1)\): Como \(X\) es una variable continua, \(P(X > 1) = P(X \geq 1) = 0.25\). +\item + \(P(X = 1)\): Para una variable continua, la probabilidad puntual es 0, es decir, \(P(X = 1) = 0\). +\item + \(f_X(1)\): +\end{enumerate} + +\[ +f_X(1) = -0.5 \cdot 1 + 1 = 0.5 +\] + +\subsection{d) Probabilidad de supervivencia}\label{d-probabilidad-de-supervivencia} + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\tightlist +\item + Menos de seis meses (\(x = 0.5\)): +\end{enumerate} + +\[ +P(X < 0.5) = F_X(0.5) = -0.25 \cdot 0.5^2 + 0.5 = 0.375 +\] + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\setcounter{enumi}{1} +\tightlist +\item + Entre seis meses y un año (\(x \in [0.5, 1]\)): +\end{enumerate} + +\[ +P(0.5 \leq X \leq 1) = F_X(1) - F_X(0.5) = 0.75 - 0.375 = 0.375 +\] + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\setcounter{enumi}{2} +\tightlist +\item + Más de dos años (\(x > 2\)): Como el dominio de \(X\) es \([0, 2]\), \(P(X > 2) = 0\). +\end{enumerate} + +\subsection{\texorpdfstring{e) Calcular \(E(X)\) y \(\operatorname{Var}(X)\)}{e) Calcular E(X) y \textbackslash operatorname\{Var\}(X)}}\label{e-calcular-ex-y-operatornamevarx} + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\tightlist +\item + La esperanza de \(X\) es: +\end{enumerate} + +\[ +E(X) = \int_0^2 x \cdot f_X(x) \, dx = \int_0^2 x \cdot (-0.5 \cdot x + 1) \, dx +\] + +Desarrollamos: + +\[ +E(X) = \int_0^2 (-0.5 \cdot x^2 + x) \, dx = \left[-\frac{0.5}{3} \cdot x^3 + 0.5 \cdot x^2\right]_0^2 +\] + +Calculamos: + +\[ +E(X) = -\frac{0.5}{3} \cdot 8 + 0.5 \cdot 4 = -\frac{4}{3} + 2 = \frac{2}{3} +\] + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\setcounter{enumi}{1} +\tightlist +\item + La varianza de \(X\) es: +\end{enumerate} + +\[ +\operatorname{Var}(X) = E(X^2) - E(X)^2 +\] + +Primero calculamos \(E(X^2)\): + +\[ +E(X^2) = \int_0^2 x^2 \cdot f_X(x) \, dx = \int_0^2 x^2 \cdot (-0.5 \cdot x + 1) \, dx +\] + +Desarrollamos y calculamos: + +\[ +E(X^2) = \int_0^2 (-0.5 \cdot x^3 + x^2) \, dx = \left[-\frac{0.5}{4} \cdot x^4 + \frac{1}{3} \cdot x^3\right]_0^2 +\] + +\[ +E(X^2) = -\frac{0.5}{4} \cdot 16 + \frac{1}{3} \cdot 8 = -2 + \frac{8}{3} = \frac{2}{3} +\] + +Finalmente: + +\[ +\operatorname{Var}(X) = E(X^2) - E(X)^2 = \frac{2}{3} - \left(\frac{2}{3}\right)^2 = \frac{2}{3} - \frac{4}{9} = \frac{2}{9} +\] + +\subsection{\texorpdfstring{f) Modelo alternativo \(g_X(x)\)}{f) Modelo alternativo g\_X(x)}}\label{f-modelo-alternativo-g_xx} + +Dado el modelo alternativo \(g_X(x) = \exp(-k \cdot x)\) para \(x \geq 0\), la constante \(k\) se determina imponiendo que la integral de la función de densidad debe ser 1: + +\[ +\int_0^\infty \exp(-k \cdot x) \, dx = 1 +\] + +Resolviendo: + +\[ +\frac{1}{k} = 1 \implies k = 1 +\] + +Por lo tanto, el nuevo modelo de densidad es \(g_X(x) = \exp(-x)\). + +\subsection{Ejercicio 2.4}\label{ejercicio-2.4} + +Para estudiar la regulación hormonal de una línea metabólica se inyectan ratas albinas con un fármaco que inhibe la síntesis de proteínas del organismo. En general, 4 de cada 20 ratas mueren a causa del fármaco antes de que el experimento haya concluido. Si se trata a 10 animales con el fármaco, ¿cuál es la probabilidad de que al menos 8 lleguen vivas al final del experimento? + +\textbf{SOLUCION} + +En este problema en el que tenemos grupos de 10 animales independientes, cada uno de los cuales puede sobrevivir o no resulta apropiada \textbf{la distribución binomial}. + +\begin{itemize} +\item + La probabilidad de que una rata sobreviva al fármaco es \(p = \frac{16}{20} = 0.8\), dado que 4 de cada 20 ratas mueren. +\item + El experimento se realiza con 10 ratas, por lo que tenemos \(n = 10\). +\item + Queremos calcular la probabilidad de que al menos 8 ratas sobrevivan. Matemáticamente, esto corresponde a: +\end{itemize} + +\[ +P(X \geq 8) +\] + +donde \(X\) es el número de ratas que sobreviven y sigue una \textbf{distribución binomial}: + +\[ +X \sim \text{Binomial}(n=10, p=0.8) +\] + +\subsection{Cálculo de la probabilidad}\label{cuxe1lculo-de-la-probabilidad} + +La probabilidad de que exactamente \(k\) ratas sobrevivan está dada por la fórmula de la binomial: + +\[ +P(X = k) = \binom{n}{k} p^k (1 - p)^{n-k} +\] + +Para responder la pregunta debemos calcular: + +\[ +P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) +\] +Esto puede calcularse: + +\begin{itemize} +\tightlist +\item + directamente usando la función de probabilidad acumulada implementada en R +\item + indirectamente calculando las probabilidades individuales y sumándolas. +\end{itemize} + +En todo caso debemos recordar que al tratarse de una variable discreta si queremos usar \(F_X(x)\) para calcular \(P(X\geq k)\) deberemos tener en cuenta que: +\[ +P(X\geq k) = 1-P(X\leq k-1) +\] +En primer lugar calculamos esta suma utilizando la función de masa de probabilidad: + +\begin{Shaded} +\begin{Highlighting}[] +\CommentTok{\# Parámetros del problema} +\NormalTok{n }\OtherTok{\textless{}{-}} \DecValTok{10} +\NormalTok{p }\OtherTok{\textless{}{-}} \FloatTok{0.8} + +\CommentTok{\# Probabilidades P(X = 8), P(X = 9) y P(X = 10)} +\NormalTok{prob\_8 }\OtherTok{\textless{}{-}} \FunctionTok{dbinom}\NormalTok{(}\DecValTok{8}\NormalTok{, }\AttributeTok{size =}\NormalTok{ n, }\AttributeTok{prob =}\NormalTok{ p)} +\NormalTok{prob\_9 }\OtherTok{\textless{}{-}} \FunctionTok{dbinom}\NormalTok{(}\DecValTok{9}\NormalTok{, }\AttributeTok{size =}\NormalTok{ n, }\AttributeTok{prob =}\NormalTok{ p)} +\NormalTok{prob\_10 }\OtherTok{\textless{}{-}} \FunctionTok{dbinom}\NormalTok{(}\DecValTok{10}\NormalTok{, }\AttributeTok{size =}\NormalTok{ n, }\AttributeTok{prob =}\NormalTok{ p)} + +\CommentTok{\# Probabilidad total P(X \textgreater{}= 8)} +\NormalTok{prob\_total }\OtherTok{\textless{}{-}}\NormalTok{ prob\_8 }\SpecialCharTok{+}\NormalTok{ prob\_9 }\SpecialCharTok{+}\NormalTok{ prob\_10} +\NormalTok{prob\_total} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.6777995 +\end{verbatim} + +Si usamos la funcion de distribución, \texttt{pbinom} + +\begin{Shaded} +\begin{Highlighting}[] +\DecValTok{1}\SpecialCharTok{{-}}\FunctionTok{pbinom}\NormalTok{ (}\DecValTok{7}\NormalTok{, }\AttributeTok{size =}\NormalTok{ n, }\AttributeTok{prob =}\NormalTok{ p)} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.6777995 +\end{verbatim} + +Naturalmente ambos resultados coinciden. Obsérvese que al ser \(p=0.8\) valores altos resultan bastante probables, con lo que la + +\subsection{Ejercicio 2.5}\label{ejercicio-2.5} + +En una cierta población se ha observado un número medio anual de 12 muertes por cáncer de pulmón. Si el número de muertes causadas por la enfermedad sigue una distribución de Poisson, ¿cuál es la probabilidad de que durante el año en curso: +1. haya exactamente 10 muertes por cáncer de pulmón? +2. 15 o más personas mueran a causa de la enfermedad? +3. 10 o menos personas mueran a causa de la enfermedad? + +El número de muertes por cáncer de pulmón sigue una distribución de Poisson, que se usa para modelar la ocurrencia de eventos discretos dentro de un intervalo de tiempo, donde el valor esperado es proporcional al tamaño del intervalo. En este caso, el valor esperado es el número medio de muertes por año, que es 12. La función de masa de probabilidad (PMF) de una variable aleatoria \(X\) con distribución de Poisson y parámetro \(\lambda\) es: + +\[ P(X = k) = \frac{\lambda^k e^{-\lambda}}{k!} \] + +donde \(k\) es el número de eventos, \(\lambda\) es el valor esperado (12 en nuestro caso) y \(k!\) es el factorial de \(k\). Usaremos este modelo para resolver los apartados. + +\subsection{Probabilidad de que haya exactamente 10 muertes}\label{probabilidad-de-que-haya-exactamente-10-muertes} + +La probabilidad de observar exactamente \(k = 10\) muertes se puede calcular usando la PMF de la distribución de Poisson con \(\lambda = 12\): + +\[ P(X = 10) = \frac{12^{10} e^{-12}}{10!} \] + +Podemos calcular este valor con R. + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{lambda }\OtherTok{\textless{}{-}} \DecValTok{12} +\NormalTok{k }\OtherTok{\textless{}{-}} \DecValTok{10} +\NormalTok{prob\_10\_muertes }\OtherTok{\textless{}{-}} \FunctionTok{dpois}\NormalTok{(k, lambda)} +\NormalTok{prob\_10\_muertes} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.1048373 +\end{verbatim} + +\subsection{Probabilidad de que 15 o más personas mueran}\label{probabilidad-de-que-15-o-muxe1s-personas-mueran} + +Para obtener la probabilidad de que 15 o más personas mueran, necesitamos calcular la probabilidad acumulada de \(X \geq 15\). Esto se puede obtener restando de 1 la probabilidad acumulada de \(X < 15\), es decir: + +\[ P(X \geq 15) = 1 - P(X < 15) = 1 - P(X \leq 14) \] + +Usamos la función de probabilidad acumulada (CDF) de la Poisson en R. + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{k\_15 }\OtherTok{\textless{}{-}} \DecValTok{14} +\NormalTok{prob\_15\_o\_mas }\OtherTok{\textless{}{-}} \DecValTok{1} \SpecialCharTok{{-}} \FunctionTok{ppois}\NormalTok{(k\_15, lambda)} +\NormalTok{prob\_15\_o\_mas} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.2279755 +\end{verbatim} + +\subsection{Probabilidad de que 10 o menos personas mueran}\label{probabilidad-de-que-10-o-menos-personas-mueran} + +La probabilidad de que 10 o menos personas mueran es simplemente la probabilidad acumulada de \(X \leq 10\), que se puede calcular directamente con la CDF de la distribución de Poisson. + +\[ P(X \leq 10) \] + +Calculamos esto en R: + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{prob\_10\_o\_menos }\OtherTok{\textless{}{-}} \FunctionTok{ppois}\NormalTok{(k, lambda)} +\NormalTok{prob\_10\_o\_menos} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.3472294 +\end{verbatim} + +\subsection{Conclusión}\label{conclusiuxf3n} + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\tightlist +\item + La probabilidad de que haya exactamente 10 muertes es: +\end{enumerate} + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{prob\_10\_muertes} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.1048373 +\end{verbatim} + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\setcounter{enumi}{1} +\tightlist +\item + La probabilidad de que 15 o más personas mueran es: +\end{enumerate} + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{prob\_15\_o\_mas} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.2279755 +\end{verbatim} + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\setcounter{enumi}{2} +\tightlist +\item + La probabilidad de que 10 o menos personas mueran es: +\end{enumerate} + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{prob\_10\_o\_menos} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.3472294 +\end{verbatim} + +\subsection{Ejercicio 2.6}\label{ejercicio-2.6} + +Los daños a los cromosomas del óvulo o del espermatozoide, pueden causar mutaciones que conducen a abortos, defectos de nacimiento, u otras deficiencias genéticas. Un estudio sobre los efectos teratogénicos de la radiación ha determinado que la probabilidad de que tal mutación se produzca por radiación es del 10\%. El resto son atribuibles a otras causas. +Una vez detectadas 150 mutaciones, + +\begin{enumerate} +\def\labelenumi{\arabic{enumi}.} +\tightlist +\item + ¿cuántas se esperaría que se debiesen a radiaciones? +\item + ¿Cuál es la probabilidad de que solamente 10 se debiesen a radiaciones? +\end{enumerate} + +\subsection{Solución}\label{soluciuxf3n-5} + +Para analizar el número de mutaciones que se deben a radiaciones, podemos considera dos modelos diferentes: uno basado en la distribución binomial y otro en la distribución de Poisson. + +\subsubsection{Justificación del uso de distribución binomial}\label{justificaciuxf3n-del-uso-de-distribuciuxf3n-binomial} + +La distribución binomial es adecuada cuando tenemos un número fijo de ensayos independientes y cada ensayo tiene dos posibles resultados: éxito (la mutación es debida a radiación) o fracaso (la mutación no es debida a radiación). En cada ensayo, la probabilidad de éxito es constante. + +Esto se ajusta perfectamente a las condiciones del problema: +- Hay 150 ensayos independientes (cada mutación observada puede estar o no causada por radiación). +- Cada ensayo tiene dos posibles resultados: mutación por radiación o mutación por otra causa. +- La probabilidad de éxito es constante y pequeña (\(p = 0.1\)). +Por tanto, el número de mutaciones debidas a radiación se puede modelizar bien mediante una distribución binomial \(X \sim \text{Binomial}(n = 150, p = 0.1)\). + +\subsubsection{Justificación del uso de distribución de Poisson}\label{justificaciuxf3n-del-uso-de-distribuciuxf3n-de-poisson} + +La distribución de Poisson es adecuada para modelar el número de eventos raros que ocurren en un intervalo de tiempo, espacio, o cualquier otra unidad, cuando estos eventos ocurren de forma independiente y su probabilidad de ocurrencia es baja. + +En este caso las ``mutaciones debidas a radiación'' pueden considerarse eventos raros dentro de un gran conjunto de mutaciones (150 mutaciones observadas, pero solo un 10\% de ellas son debidas a radiación). + +Puede considerarse además, que las mutaciones individuales pueden ocurrir de forma independiente entre sí, ya que la probabilidad de que una mutación se deba a radiación no afecta a la probabilidad de que otra mutación sea causada por radiación. + +Estas condiciones son características de los \emph{procesos de Poisson} y por tanto la distribución de Poisson es una elección natural para describir procesos en los que los eventos ocurren de manera aleatoria en un intervalo dado (por ejemplo, en un periodo de tiempo o un espacio), siempre que: + +\begin{itemize} +\tightlist +\item + Los eventos ocurran con una tasa promedio constante (en este caso, la tasa de mutaciones debidas a radiaciones es proporcional a la tasa global de mutaciones, multiplicada por la probabilidad \(p = 0.1\)). +\item + No haya límite teórico en el número de eventos que puedan ocurrir en un intervalo (aunque observamos un total de 150 mutaciones, teóricamente podríamos seguir detectando más mutaciones). +\end{itemize} + +En el modelo de Poisson, el parámetro \(\lambda\) representa la tasa promedio de ocurrencia de los eventos (en este caso, mutaciones debidas a radiación). Si conocemos la tasa promedio de aparición de mutaciones por radiación (\(\lambda = n \cdot p\) en el contexto binomial, pero también se puede calcular directamente si conocemos la tasa de aparición de eventos raros), entonces podemos usar directamente la distribución de Poisson para modelar el número de eventos. + +En este caso, \(\lambda = 150 \cdot 0.1 = 15\), que representa el número esperado de mutaciones debidas a radiación en el total observado de mutaciones. + +\subsubsection{Aproximación del modelo binomial por el de Poisson}\label{aproximaciuxf3n-del-modelo-binomial-por-el-de-poisson} + +La distribución de Poisson puede considerarse una aproximación de la binomial cuando el número de ensayos (\(n\)) es grande y la probabilidad de éxito (\(p\)) es pequeña. En este caso, el número esperado de éxitos, \(n \cdot p\), se mantiene moderado (en este caso, \(n \cdot p = 15\)). + +Este resultado que se conoce como \emph{límite de Poisson} establece que si: + +\begin{itemize} +\tightlist +\item + \(n\) es grande (muchos ensayos), +\item + \(p\) es pequeño (baja probabilidad de éxito), +\item + el producto \(n \cdot p = \lambda\) es moderado, +\end{itemize} + +entonces la binomial \(X \sim \text{Binomial}(n, p)\) se puede aproximar por una distribución de Poisson con parámetro \(\lambda = n \cdot p\). + +En este caso: + +\begin{itemize} +\tightlist +\item + \(n = 150\) es suficientemente grande. +\item + \(p = 0.1\) es pequeño. +\item + \(n \cdot p = 15\), lo cual es un valor razonable para usar la aproximación de Poisson. +\end{itemize} + +Por tanto, el número de mutaciones debidas a radiaciones puede aproximarse por una distribución de Poisson \(X \sim \text{Poisson}(\lambda = 15)\). + +\subsubsection{Número esperado de mutaciones}\label{nuxfamero-esperado-de-mutaciones} + +En ambos modelos, la esperanza del número de mutaciones debidas a radiaciones es \(E[X] = n \cdot p\). Esto representa el número promedio de mutaciones debidas a radiaciones. Lo calculamos: + +\[ E[X] = 150 \cdot 0.1 = 15 \] + +Por lo tanto, se espera que alrededor de 15 mutaciones se deban a radiaciones. + +\subsubsection{Probabilidad de que exactamente 10 mutaciones se deban a radiaciones}\label{probabilidad-de-que-exactamente-10-mutaciones-se-deban-a-radiaciones} + +\paragraph{Usando la distribución Binomial}\label{usando-la-distribuciuxf3n-binomial} + +La probabilidad de que exactamente 10 mutaciones se deban a radiaciones se puede calcular usando la PMF de la binomial: + +\[ P(X = 10) = \binom{150}{10} (0.1)^{10} (0.9)^{140} \] + +Usando R tenemos: + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{n }\OtherTok{\textless{}{-}} \DecValTok{150} +\NormalTok{p }\OtherTok{\textless{}{-}} \FloatTok{0.1} +\NormalTok{k }\OtherTok{\textless{}{-}} \DecValTok{10} +\NormalTok{prob\_binom\_10 }\OtherTok{\textless{}{-}} \FunctionTok{dbinom}\NormalTok{(k, n, p)} +\NormalTok{prob\_binom\_10} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.04591681 +\end{verbatim} + +\paragraph{Usando la aproximación de Poisson}\label{usando-la-aproximaciuxf3n-de-poisson} + +La distribución de Poisson con \(\lambda = n \cdot p = 15\) también se puede usar para aproximar esta probabilidad. La probabilidad de obtener exactamente 10 mutaciones se calcula como: + +\[ P(X = 10) = \frac{15^{10} e^{-15}}{10!} \] + +Con R: + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{lambda }\OtherTok{\textless{}{-}} \DecValTok{15} +\NormalTok{prob\_pois\_10 }\OtherTok{\textless{}{-}} \FunctionTok{dpois}\NormalTok{(k, lambda)} +\NormalTok{prob\_pois\_10} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.04861075 +\end{verbatim} + +\subsection{Conclusión}\label{conclusiuxf3n-1} + +\begin{itemize} +\item + Se espera que 15 de las 150 mutaciones se deban a radiaciones. +\item + La probabilidad de que exactamente 10 mutaciones se deban a radiaciones es: + + \begin{itemize} + \tightlist + \item + Usando la distribución binomial: + \end{itemize} + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{prob\_binom\_10} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.04591681 +\end{verbatim} + + \begin{itemize} + \tightlist + \item + Usando la aproximación de Poisson: + \end{itemize} + +\begin{Shaded} +\begin{Highlighting}[] +\NormalTok{prob\_pois\_10} +\end{Highlighting} +\end{Shaded} + +\begin{verbatim} +## [1] 0.04861075 +\end{verbatim} +\end{itemize} + +Ambos métodos dan resultados similares, pero el modelo de Poisson es útil para simplificar los cálculos cuando el número total de mutaciones es grande y la probabilidad de cada evento es pequeña. + +\subsection{Ejercicio 2.7}\label{ejercicio-2.7} + +Entre los diabéticos, el nivel de glucosa en sangre \(X\), en ayunas, puede suponerse de distribución aproximadamente normal, con media \(106 \mathrm{mg} / 100 \mathrm{ml}\) y desviación típica \(8 \mathrm{mg} / 100 \mathrm{ml}\), es decir : \(X \sim N\left(\mu=106, \sigma^{2}=64\right)\). + +Hallar +a) El porcentaje de diabéticos con niveles de glucosa inferiores a 120 ( \(P[X \leq 120]\) +b) ¿Qué porcentaje de diabéticos tienen niveles comprendidos entre 90 y 120? +c) Hallar el nivel de glucosa ``p25'', caracterizado por la propiedad de que el \(25 \%\) de todos los diabéticos tiene un nivel de glucosa en ayunas inferior o igual a \(x\). + +\subsection{Ejercicio 28}\label{ejercicio-28} + +Se supone que la glucemia basal en individuos sanos, \(X_{s}\) sigue una distribución \(X \sim N(\mu=80, \sigma=10)\), mientras que en los diabéticos \(X_{d}\), sigue una distribución \(X \sim N(\mu=160, \sigma=31.4)\). Si se conviene en clasificar como sanos al \(2 \%\) de los diabéticos: +a) ¿Por debajo de qué valor se considera sano a un individuo? ¿Cuántos sanos serán clasificados como diabéticos? +b) Se sabe que en la población en general el \(10 \%\) de los individuos son diabéticos ¿cuál es la probabilidad de que un individuo elegido al azar y diagnosticado como diabético, realmente lo sea? + +\subsection{Ejercicio 2.9}\label{ejercicio-2.9} + +Supóngase que se van a utilizar 20 ratas en un estudio de agentes coagulantes de la sangre. Como primera experiencia, se dio un anticoagulante a 10 de ellos, pero por inadvertencia se pusieron todas sin marcas en el mismo recinto. Se necesitaron 12 ratas para la segunda fase del estudio y se le tomó al azar sin reemplazamiento. ¿Cuál es la probabilidad de que de las 12 elegidas 6 tengan la droga y 6 no la tengan? + +\section{Distribuciones de probabilidad multidimensionales}\label{distribuciones-de-probabilidad-multidimensionales} + +\section{Distribuciones de probabilidad multidimensionales}\label{distribuciones-de-probabilidad-multidimensionales-1} + +\subsection{Ejercicio 1}\label{ejercicio-1} + +Se tienen dos estudios clínicos importantes, cuyos análisis genéticos deben ser asignados aleatoriamente a uno o más de tres laboratorios, A, B y C. Denote con \(Y_{1}\) el número de estudios asignados al laboratorio A y con \(Y_{2}\) el número de estudios asignados al laboratorio B. Cada laboratorio puede recibir 0, 1 o 2 estudios. + +\begin{enumerate} +\def\labelenumi{\alph{enumi}.} +\item + Encuentre la función de probabilidad conjunta para \(Y_{1}\) y \(Y_{2}\). +\item + Encuentre \(F(1,0)\), es decir, la probabilidad de que el laboratorio A reciba como máximo un estudio y el laboratorio B no reciba ninguno. +\end{enumerate} + +\subsection{Ejercicio 2}\label{ejercicio-2} + +Tres monedas balanceadas se lanzan en forma independiente al aire. Una de las variables de interés es \(Y_{1}\), el número de caras. Denote con \(Y_{2}\) la cantidad de dinero ganado en una apuesta colateral en la siguiente forma. Si la primera cara aparece en el primer tiro, usted gana 1€. Si la primera cara aparece en el tiro segundo o en el tercero gana 2€ o 3€, respectivamente. Si no aparece una cara, usted pierde 1€ (esto es, gana - 1€ ). +a Encuentre la función de probabilidad conjunta para \(Y_{1}\) y \(Y_{2}\). +b ¿Cuál es la probabilidad de que haya menos de tres caras y usted gane 1€ o menos? {[}Esto es, encuentre \(F(2,1)\). + +\subsection{Ejercicio 3}\label{ejercicio-3} + +En el Ejercicio 1 determinamos que la distribución conjunta de \(Y_{1}\), el número de análisis asignados al laboratorio A, y \(Y_{2}\), el número de análisis asignados al laboratorio B , está dada por las entradas en la siguiente tabla. + +\begin{longtable}[]{@{}cccc@{}} +\toprule\noalign{} +& \(y_{1}\) & & \\ +\midrule\noalign{} +\endhead +\bottomrule\noalign{} +\endlastfoot +\(y_{2}\) & 0 & 1 & 2 \\ +0 & \(1 / 9\) & \(2 / 9\) & \(1 / 9\) \\ +1 & \(2 / 9\) & \(2 / 9\) & 0 \\ +2 & \(1 / 9\) & 0 & 0 \\ +\end{longtable} + +\begin{enumerate} +\def\labelenumi{\alph{enumi}.} +\item + Encuentre la distribución de probabilidad marginal de \(Y_{1}\). +\item + De acuerdo con los resultados vistos anteriormente \(Y_{1}\) tiene una distribución binomial con \(n=2\) y \(p=1 / 3\). ¿Hay algún conflicto entre este resultado y la respuesta dada en el punto a? +\end{enumerate} + +\subsection{Ejercicio 4}\label{ejercicio-4} + +Un ingeniero ambiental mide la cantidad (en peso) de partículas contaminantes en muestras de aire de cierto volumen recolectado en dos chimeneas en una planta de energía alimentada con carbón. Una de las chimeneas está equipada con un aparato limpiador. Denote con \(Y_{1}\) la cantidad de contaminante por muestra recolectada arriba de la chimenea que no tiene aparato limpiador y denote con \(Y_{2}\) la cantidad de contaminante por muestra recolectada arriba de la chimenea que está equipada con el aparato limpiador. + +Suponga que el comportamiento de frecuencia relativa de \(Y_{1}\) y \(Y_{2}\) puede ser modelado por + +\[ +f\left(y_{1}, y_{2}\right)= \begin{cases}k, & 0 \leq y_{1} \leq 2,\quad 0 \leq y_{2} \leq 1, \quad 2 y_{2} \leq y_{1} \\ 0, & \text { en cualquier otro punto. }\end{cases} +\] + +Esto es, \(Y_{1}\) y \(Y_{2}\) están uniformemente distribuidas sobre la región dentro del triángulo limitado por \(y_{1}=2, y_{2}=0\) y \(2 y_{2}=y_{1}\). + +\begin{enumerate} +\def\labelenumi{\alph{enumi}.} +\item + Encuentre el valor de \(k\) que haga de ésta una función de densidad de probabilidad. +\item + Encuentre \(P\left(Y_{1} \geq 3 Y_{2}\right)\). Esto es, encuentre la probabilidad de que el aparato limpiador reduzca la cantidad de contaminante en un tercio o más. +\end{enumerate} + +\subsection{Ejercicio 5}\label{ejercicio-5} + +En el Ejercicio 4 hemos establecido que + +\[ +f\left(y_{1}, y_{2}\right)= \begin{cases}k, & 0 \leq y_{1} \leq 2,\quad 0 \leq y_{2} \leq 1, \quad 2 y_{2} \leq y_{1} \\ 0, & \text { en cualquier otro punto. }\end{cases} +\] + +es una función de densidad de probabilidad conjunta válida para \(Y_{1}\), la cantidad de contaminante por muestra recolectada arriba de la chimenea que no tenía el aparato limpiador, y para \(Y_{2}\), la cantidad recolectada arriba de la chimenea con el aparato limpiador. + +a, Si consideramos la chimenea con el limpiador instalado, encuentre la probabilidad de que la cantidad de contaminante en una muestra determinada sea mayor que \(0.5\). + +\begin{enumerate} +\def\labelenumi{\alph{enumi}.} +\setcounter{enumi}{1} +\tightlist +\item + Dado que se observa que la cantidad de contaminante en una muestra tomada arriba de la chimenea con el limpiador es 0.5 , encuentre la probabilidad de que la cantidad de contaminante exceda de 1.5 arriba de la otra chimenea (la que no tiene limpiador). +\end{enumerate} + +\subsection{Ejercicio 6}\label{ejercicio-6} + +En el ejercicio 1 determinamos que la distribución conjunta de \(Y_{1}\), el número de análisis asignados al laboratorio A, y \(Y_{2}\), el número de análisis asignados al laboratorio B , está dada por las entradas en la siguiente tabla. + +\begin{longtable}[]{@{}cccc@{}} +\toprule\noalign{} +& \(y_{1}\) & & \\ +\midrule\noalign{} +\endhead +\bottomrule\noalign{} +\endlastfoot +\(y_{2}\) & 0 & 1 & 2 \\ +0 & \(1 / 9\) & \(2 / 9\) & \(1 / 9\) \\ +1 & \(2 / 9\) & \(2 / 9\) & 0 \\ +2 & \(1 / 9\) & 0 & 0 \\ +\end{longtable} + +\begin{enumerate} +\def\labelenumi{\alph{enumi}.} +\item + Encuentre \(\operatorname{Cov}\left(Y_{1}, Y_{2}\right) \cdot{ }_{¿}\) +\item + Le sorprende que \(\operatorname{Cov}\left(Y_{1}, Y_{2}\right)\) sea negativa? \({ }_{\text {¿Por qué? }}\) +\end{enumerate} + +\subsection{Ejercicio 7}\label{ejercicio-7} + +Las variables aleatorias \(Y_{1}\) y \(Y_{2}\) son tales que \(E\left(Y_{1}\right)=4, E\left(Y_{2}\right)=-1, V\left(Y_{1}\right)=2\) y \(V\left(Y_{2}\right)=8\). + +\begin{enumerate} +\def\labelenumi{\alph{enumi}.} +\item + ¿Cuál es \(\operatorname{Cov}\left(Y_{1}, Y_{1}\right)\) ? +\item + Suponiendo que las medias y las varianzas sean correctas, ¿es posible que \(\operatorname{Cov}\left(Y_{1}, Y_{2}\right)=7\) ? {[}Sugerencia: \(\operatorname{si} \operatorname{Cov}\left(Y_{1}, Y_{2}\right)=7\), ¿cuál es el valor de \(\rho\), el coeficiente de correlación?{]} +\item + Suponiendo que las medias y las varianzas sean correctas, ¿cuál es el máximo valor posible para \(\operatorname{Cov}\left(Y_{1}, Y_{2}\right) ? \operatorname{Si} \operatorname{Cov}\left(Y_{1}, Y_{2}\right)\) alcanza este valor máximo, ¿qué implica eso acerca de la relación entre \(Y_{1}\) y \(Y_{2}\) ? +\end{enumerate} + +\subsection{Ejercicio 8}\label{ejercicio-8} + +Un experimento de aprendizaje requiere que una rata corra por un laberinto (una red de pasillos) hasta que localice una de tres posibles salidas. La salida 1 presenta una recompensa de alimento, no así las salidas 2 y 3. (Si la rata finalmente selecciona la salida 1 casi siempre, puede tener lugar el aprendizaje.) Denote con \(Y_{i}\) el número de veces que la salida \(i\) es seleccionada en corridas sucesivas. Para lo siguiente, suponga que la rata escoge una salida aleatoriamente en cada corrida. + +\begin{enumerate} +\def\labelenumi{\alph{enumi}.} +\item + Encuentre la probabilidad de que \(n=6\) corridas resulte en \(Y_{1}=3, Y_{2}=1\) y \(Y_{3}=2\). +\item + Para \(n\) general, encuentre \(E\left(Y_{1}\right)\) y \(V\left(Y_{1}\right)\). +\item + Encuentre \(\operatorname{Cov}\left(Y_{2}, Y_{3}\right)\) para \(n\) general. +\item + Para comprobar la preferencia de la rata entre las salidas 2 y 3 , podemos buscar en \(Y_{2}-Y_{3}\). Encuentre \(E\left(Y_{2}-Y_{3}\right)\) y \(V\left(Y_{2}-Y_{3}\right)\) para \(n\) general. +\end{enumerate} + +\end{document} diff --git a/docs/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-14-1.png b/docs/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-14-1.png new file mode 100644 index 0000000..84b41ad Binary files /dev/null and b/docs/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-14-1.png differ diff --git a/docs/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-15-1.png b/docs/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-15-1.png new file mode 100644 index 0000000..188109b Binary files /dev/null and b/docs/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-15-1.png differ diff --git a/docs/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-7-1.png b/docs/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-7-1.png new file mode 100644 index 0000000..1f5172a Binary files /dev/null and b/docs/Ejercicios-de-Inferencia-Estadistica_files/figure-html/unnamed-chunk-7-1.png differ diff --git a/docs/distribuciones-de-probabilidad-multidimensionales-1.html b/docs/distribuciones-de-probabilidad-multidimensionales-1.html index 3a8d848..5a23573 100644 --- a/docs/distribuciones-de-probabilidad-multidimensionales-1.html +++ b/docs/distribuciones-de-probabilidad-multidimensionales-1.html @@ -4,18 +4,18 @@ - Capítulo 13 Distribuciones de probabilidad multidimensionales | _main.knit + 4 Distribuciones de probabilidad multidimensionales | Ejercicios-de-Inferencia-Estadistica.knit - + - + @@ -167,75 +167,65 @@
  • 1.5.1 Solución
    • -
  • 2 Variables aleatorias y Distribuciones de probabilidad
    • -
  • 3 Ejercicio 2.1 +
  • 2 Variables aleatorias y Distribuciones de probabilidad
    • -
  • 4 Ejercicio 2.2 -
    • -
  • 5 Ejercicio 2.3 +
  • 2.1 Ejercicio 2.1
    • +
  • 2.2 1. Distribución de probabilidad
    • +
  • 2.3 2. Esperanza y varianza
    • +
  • 2.4 Ejercicio 2.2
    • +
  • 2.5 Determinar el valor de \(K\)
    • +
  • 2.6 Calcular la esperanza y la varianza
    • +
  • 2.7 3. Calcular las probabilidades
    • -
  • 6 Ejercicio 2.4 +
  • 2.10 b) Calcular \(F_X(x)\) y representarla gráficamente
    • -
  • 7 Ejercicio 2.5 -
    • -
  • 8 Ejercicio 2.6 -
    • -
  • 9 Ejercicio 2.7
    • -
  • 10 Ejercicio 28
    • -
  • 11 Ejercicio 2.9
    • -
  • 12 Distribuciones de probabilidad multidimensionales
    • -
  • 13 Distribuciones de probabilidad multidimensionales +
  • 3 Distribuciones de probabilidad multidimensionales
    • +
  • 4 Distribuciones de probabilidad multidimensionales
  • Published with bookdown
    • @@ -257,10 +247,10 @@

    -
    -

    Capítulo 13 Distribuciones de probabilidad multidimensionales

    -
    -

    13.1 Ejercicio 1

    +
    +

    4 Distribuciones de probabilidad multidimensionales

    +
    +

    4.1 Ejercicio 1

    Se tienen dos estudios clínicos importantes, cuyos análisis genéticos deben ser asignados aleatoriamente a uno o más de tres laboratorios, A, B y C. Denote con \(Y_{1}\) el número de estudios asignados al laboratorio A y con \(Y_{2}\) el número de estudios asignados al laboratorio B. Cada laboratorio puede recibir 0, 1 o 2 estudios.

      @@ -268,15 +258,15 @@

      13.1 Ejercicio 1\(F(1,0)\), es decir, la probabilidad de que el laboratorio A reciba como máximo un estudio y el laboratorio B no reciba ninguno.

    -
    -

    13.2 Ejercicio 2

    +
    +

    4.2 Ejercicio 2

    Tres monedas balanceadas se lanzan en forma independiente al aire. Una de las variables de interés es \(Y_{1}\), el número de caras. Denote con \(Y_{2}\) la cantidad de dinero ganado en una apuesta colateral en la siguiente forma. Si la primera cara aparece en el primer tiro, usted gana 1€. Si la primera cara aparece en el tiro segundo o en el tercero gana 2€ o 3€, respectivamente. Si no aparece una cara, usted pierde 1€ (esto es, gana - 1€ ). a Encuentre la función de probabilidad conjunta para \(Y_{1}\) y \(Y_{2}\). b ¿Cuál es la probabilidad de que haya menos de tres caras y usted gane 1€ o menos? [Esto es, encuentre \(F(2,1)\).

    -
    -

    13.3 Ejercicio 3

    +
    +

    4.3 Ejercicio 3

    En el Ejercicio 1 determinamos que la distribución conjunta de \(Y_{1}\), el número de análisis asignados al laboratorio A, y \(Y_{2}\), el número de análisis asignados al laboratorio B , está dada por las entradas en la siguiente tabla.

    @@ -319,8 +309,8 @@

    13.3 Ejercicio 3\(Y_{1}\) tiene una distribución binomial con \(n=2\) y \(p=1 / 3\). ¿Hay algún conflicto entre este resultado y la respuesta dada en el punto a?

    -
    -

    13.4 Ejercicio 4

    +
    +

    4.4 Ejercicio 4

    Un ingeniero ambiental mide la cantidad (en peso) de partículas contaminantes en muestras de aire de cierto volumen recolectado en dos chimeneas en una planta de energía alimentada con carbón. Una de las chimeneas está equipada con un aparato limpiador. Denote con \(Y_{1}\) la cantidad de contaminante por muestra recolectada arriba de la chimenea que no tiene aparato limpiador y denote con \(Y_{2}\) la cantidad de contaminante por muestra recolectada arriba de la chimenea que está equipada con el aparato limpiador.

    Suponga que el comportamiento de frecuencia relativa de \(Y_{1}\) y \(Y_{2}\) puede ser modelado por

    \[ @@ -332,8 +322,8 @@

    13.4 Ejercicio 4\(P\left(Y_{1} \geq 3 Y_{2}\right)\). Esto es, encuentre la probabilidad de que el aparato limpiador reduzca la cantidad de contaminante en un tercio o más.

    -
    -

    13.5 Ejercicio 5

    +
    +

    4.5 Ejercicio 5

    En el Ejercicio 4 hemos establecido que

    \[ f\left(y_{1}, y_{2}\right)= \begin{cases}k, & 0 \leq y_{1} \leq 2,\quad 0 \leq y_{2} \leq 1, \quad 2 y_{2} \leq y_{1} \\ 0, & \text { en cualquier otro punto. }\end{cases} @@ -344,8 +334,8 @@

    13.5 Ejercicio 5 -

    13.6 Ejercicio 6

    +
    +

    4.6 Ejercicio 6

    En el ejercicio 1 determinamos que la distribución conjunta de \(Y_{1}\), el número de análisis asignados al laboratorio A, y \(Y_{2}\), el número de análisis asignados al laboratorio B , está dada por las entradas en la siguiente tabla.

    @@ -389,8 +379,8 @@

    13.6 Ejercicio 6\(\operatorname{Cov}\left(Y_{1}, Y_{2}\right)\) sea negativa? \({ }_{\text {¿Por qué? }}\)

    -
    -

    13.7 Ejercicio 7

    +
    +

    4.7 Ejercicio 7

    Las variables aleatorias \(Y_{1}\) y \(Y_{2}\) son tales que \(E\left(Y_{1}\right)=4, E\left(Y_{2}\right)=-1, V\left(Y_{1}\right)=2\) y \(V\left(Y_{2}\right)=8\).

      @@ -399,8 +389,8 @@

      13.7 Ejercicio 7\(\operatorname{Cov}\left(Y_{1}, Y_{2}\right) ? \operatorname{Si} \operatorname{Cov}\left(Y_{1}, Y_{2}\right)\) alcanza este valor máximo, ¿qué implica eso acerca de la relación entre \(Y_{1}\) y \(Y_{2}\) ?

    -
    -

    13.8 Ejercicio 8

    +
    +

    4.8 Ejercicio 8

    Un experimento de aprendizaje requiere que una rata corra por un laberinto (una red de pasillos) hasta que localice una de tres posibles salidas. La salida 1 presenta una recompensa de alimento, no así las salidas 2 y 3. (Si la rata finalmente selecciona la salida 1 casi siempre, puede tener lugar el aprendizaje.) Denote con \(Y_{i}\) el número de veces que la salida \(i\) es seleccionada en corridas sucesivas. Para lo siguiente, suponga que la rata escoge una salida aleatoriamente en cada corrida.

      diff --git a/docs/distribuciones-de-probabilidad-multidimensionales.html b/docs/distribuciones-de-probabilidad-multidimensionales.html index fca0cc8..3c42135 100644 --- a/docs/distribuciones-de-probabilidad-multidimensionales.html +++ b/docs/distribuciones-de-probabilidad-multidimensionales.html @@ -4,18 +4,18 @@ - Capítulo 12 Distribuciones de probabilidad multidimensionales | _main.knit + 3 Distribuciones de probabilidad multidimensionales | Ejercicios-de-Inferencia-Estadistica.knit - + - + @@ -28,7 +28,7 @@ - + @@ -167,75 +167,65 @@
    1. 1.5.1 Solución
      2. -
    2. 2 Variables aleatorias y Distribuciones de probabilidad
      3. -
    3. 3 Ejercicio 2.1 +
    4. 2 Variables aleatorias y Distribuciones de probabilidad
      5. -
    5. 4 Ejercicio 2.2 -
      6. -
    6. 5 Ejercicio 2.3 +
    7. 2.1 Ejercicio 2.1
      8. +
    8. 2.2 1. Distribución de probabilidad
      9. +
    9. 2.3 2. Esperanza y varianza
      10. +
    10. 2.4 Ejercicio 2.2
      11. +
    11. 2.5 Determinar el valor de \(K\)
      12. +
    12. 2.6 Calcular la esperanza y la varianza
      13. +
    13. 2.7 3. Calcular las probabilidades
      14. -
    14. 6 Ejercicio 2.4 +
    15. 2.10 b) Calcular \(F_X(x)\) y representarla gráficamente
      16. -
    16. 7 Ejercicio 2.5 -
      17. -
    17. 8 Ejercicio 2.6 -
      18. -
    18. 9 Ejercicio 2.7
      19. -
    19. 10 Ejercicio 28
      20. -
    20. 11 Ejercicio 2.9
      21. -
    21. 12 Distribuciones de probabilidad multidimensionales
      22. -
    22. 13 Distribuciones de probabilidad multidimensionales +
    23. 3 Distribuciones de probabilidad multidimensionales
      24. +
    24. 4 Distribuciones de probabilidad multidimensionales
    26. Published with bookdown
      27. @@ -257,15 +247,15 @@

      -
      -

      Capítulo 12 Distribuciones de probabilidad multidimensionales

      +
      +

      3 Distribuciones de probabilidad multidimensionales

    - +