OCTUBRE

Martes 11

Clase 1
presentación de la Ing. Monica Mantilla
se hablo de los valores que se debe tener a lo largo del semestre y nuestra vida.
 introducción de la  materia de probabilidad y estadista
se hablo de como se debe entregar los deberes y trabajos se entrego un formato de presentacion

datos generales de modo de calificación:

Actividades,tareas y portafolios  el 20%
prueba 1     20%
prueba 2     20%
examen      40%


Viernes 14
Clase 2

se empezó habar del primer tema de la materia como:
- población es representa la colección completa de elementos o resultados de la
información buscada.
- muestra es la constituye un subconjunto de una población, que contiene elementos
o resultados que realmente se observan.
- muestra aleatoria simple es una muestra elegida por un método
en el que cada colección de n elementos de la población tiene la misma
probabilidad de formar la muestra, de la misma manera que en una lotería.
 estadística descriptiva:
estadística inferencial.

Martes 25

Clase 3

es esta clase se hablo de :
las escalas de medidas
en este lo unico que se hace es asignar  valores numericos a las cosas
por ejemplo
mandarina     es 1
pera  es 2
manzana   es 3

escalas de intervalos
 en este se asigna valores pero dentro de un intervalo ya sea finito o infinito dependiendo las condicione y con la inclusión de un cero absoluto.
características de los datos:
-localización
-dispersión
-simetría
distribución de frecuencias
donde básicamente es encontrar los valores de:
ni,fi,NI,Fi
al tener los valores anteriores se obtiene la llamada tabla de frecuencias con la que se puede obtener información de una población basada en la muestra tomada.

NOVIEMBRE

 martes 01

clase 4
composición de un gráfico:
1. numero
2.titulo
3.nombre de los ejes
descripción
5. interpretación


se hablo de las medidas de localización:
como son :
mediana:   el el valor central que se encuentra en la muestra.
media   es el  promedio dela muestra
 moda  dao q mas se repite en la muetra.
histograma



martes 8
clase 5

en esta clase se hablo de
percentiles El p-ésimo percentil de una muestra, para un número p entre 0 y 100, divide a la muestra tanto
como sea posible, el p% de los valores de la muestra es menor que el p-ésimo percentil y
el (100 p)% son mayores.

varianza :

desviación estándar :

diagrama de cajas





MARTES 15

SE RREALIZO UN TALLER EN CLASE LO QUE SE REALIZO SE ENCUENTRE EN EVIDENCIAS.


VIERNES 18

En esa clase se vio un tema llamado
 Muestras bi variadas:
lo unico que se haces es ver si dos variables tienen relacion y si la tienes pues se clasifica en fuerte , moderada y devil
en este tema se reviso  lo siguiente

covarianza
 es la miltiplicacion de ls desviaciones estándar de dos variables divido para el numero de datos





coeficiente de colerelacion




matriz de varianza  covarianza



MARTES 22

El tema que se vio es:
Probabilidad
La teoría de la probabilidad se usa extensamente en áreas como la estadística, la física, la matemática, las ciencias, la administración, contaduría, economía y la filosofía para sacar conclusiones sobre la probabilidad discreta de sucesos potenciales y la mecánica subyacente discreta de sistemas complejos.

experimento 
formas de expresar un conjunto
- por conprension
-por tabulacion

diagrama de venn


















Axiomas de los conjunto en un diagrma d venn







VIERNES 25

el tema fue:
Metodos de conteo
Cuando se calculan probabilidades, algunas veces se necesita determinar el número de resultados
en un espacio muestral. En esta sección se describirán diversos métodos con ese propósito.

permutacion: es el ordenamiento de varios datos.



Combinación: es la combinacion de varios elemento sin importar el orden.






MARTES 29

 PROBABILIDAD  CONDICION E INDEPENDENCIA
























diagrama de arbol:

DICIEMBRE

VIERNES 02
  en esa clase solo se realizo ejercicios de probabilidad de los temas mencionados en las clases anteriores   pero básicamente usando el diagrama de árbol.

                                                SEGUNDO BIMESTRE

MARTES 13

VARIABLE ALEATORIA DISCRETA

Una variable aleatoria es discreta si sus valores posibles constituyen un conjunto discreto.
Lo anterior significa que si los valores posibles se ordenan, hay una separación entre
cada valor y el próximo. El conjunto de valores posibles podría ser infinito





 


MARTES 20

VARIABLE ALEATORIA CONTINUA

Una variable aleatoria es continua si sus probabilidades están dadas por áreas bajo
una curva. La curva se llama función de densidad de probabilidad para la variable
aleatoria.
A veces la función de densidad de probabilidad se llama distribución de probabilidad.

ENERO

MARTES 03

VARIABLE ALEATORIA CONTINUA

funcion de densidad

f (x)dx = 1 limites desde  menos infinito a infinito.


VIERNES 06

DISTRIBUCIÓN BERNOULLI Y BINOMIAL

DISTRIBUCIÓN BERNOULLI

Si se tiene un experimento que tenga dos resultados. Al primero se le llama “éxito” y al otro “fracaso”.

La probabilidad de éxito se denota por p. Por consecuencia, la probabilidad de fracaso

es 1 p. Lo anterior representa un ensayo de Bernoulli con probabilidad de éxito p. El más

sencillo de este tipo es el lanzamiento al aire de una moneda. Los posibles resultados son “cara”

o “cruz”. Si “cara” se define como éxito, entonces p constituye esa probabilidad. En una

moneda, p 1/2.

Su función de probabilidad viene definida por:

${\displaystyle f(x)=p^{x}(1-p)^{1-x}\,\qquad {\text{ con }}\,x=\{0,1\}\,}$

La fórmula será:

${\displaystyle f\left(x;p\right)=\left\{{\begin{matrix}p&{\mbox{si }}x=1,\\q&{\mbox{si }}x=0,\\0&{\mbox{en cualquier otro caso}}\end{matrix}}\right.}$

DISTRIBICION BINOMIAL

La distribución binomial es una distribución de probabilidad discreta que cuenta el número de éxitos en una secuencia de n ensayos de Bernoulli independientes entre sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos.

Para representar que una variable aleatoria X sigue una distribución binomial de parámetros n y p, se escribe:

${\displaystyle X\sim B(n,p)\,}$

la distribucion binomial es la siguiente :

Con esperanza y varianza:

MARTES 10

DISTRIBUCIÓN DE POISSON

Se trata de un modelo discreto, pero en el que el conjunto de valores con probabilidad no nula no es finito, sino numerable. Se dice que una variable aleatoria X sigue la distribución de Poisson si su función de densidad viene dada por:

Como vemos, este modelo se caracteriza por un sólo parámetro λ, que debe ser positivo.

Esta distribución suele utilizarse para contajes del tipo número de individuos por unidad de tiempo, de espacio, etc.

Propiedades del modelo de Poisson

1) Esperanza: E(X) = λ.

2) Varianza: V(X) = λ.

En esta distribución la esperanza y la varianza coinciden.

EVIDENCIAS

en esta carpeta se pone a dispocicion  el enlace  para acceder a los deberes trabajos y pruebas de probalidad y estadistica

https://drive.google.com/open?id=0B2qHiGYkKtVHNnF4QkFUdjVMRUk

BIENVENIDOS AL PORTAFOLIOS DE PROBABILIDADAD Y ESTADISTICA

Soy estudiante de la ESCUELA POLITÉCNICA  NACIONAL  honorable institución , sigo la carrera de electrónica y control de la facultada de Eléctrica y Electrónica , estoy cruzando segundo y tercer semestre debido a que repeti algunas materias de segundo semestre.
me gusta la carrera porque me permite ver como es el funcionamiento de muchas cosas que tenemos a nuestro alrededor y de la importancia de la teologiza para solucionar problemas de la sociedad para asi hacer la vida mas fácil del ser humano .

Soy quiteño tengo 21 años pero vivo en el cantón Mejía hace 3 años, vivo con toda mi familia y son ellos los que me han apoyado todo este largo camino de la vida estudiantil  y son ellos quienes me formaron  como una persona de valores y principios.
quiero salir como ingeniero de la Politécnica Nacional para aportar con mis conocimientos a mi país y sobretodo sacar adelante a mi familia que son ellos por quienes lucho y no me daré por vencido.