Chuletas y apuntes de Matemáticas de Universidad

Conceptos Fundamentales de Probabilidad y Distribuciones Estadísticas

Definición Axiomática de Probabilidad

Es la más simple de todas las definiciones; está basada en un conjunto de axiomas que establecen los requisitos mínimos para definir la probabilidad de un suceso.

Ventaja:

• Permite un desarrollo riguroso y matemático de la probabilidad.

Axiomas (Causas):

1. La probabilidad de cualquier suceso A es no negativa: P(A) ≥ 0.
2. La probabilidad del espacio muestral (suceso seguro Ω) es 1: P(Ω) = 1.
3. Si A, B, C, ... son sucesos mutuamente excluyentes (incompatibles), la probabilidad de su unión es la suma de sus probabilidades individuales: P(A ∪ B ∪ C ∪ ...) = P(A) + P(B) + P(C) + ...

Consecuencias Importantes:

• La probabilidad del suceso imposible

Introducción al Diagrama de Bode

El Diagrama de Bode es una representación gráfica fundamental que nos permite determinar la estabilidad de un sistema mediante la caracterización de su respuesta en frecuencia. Consta de dos gráficas separadas:

• La Gráfica de Magnitud (o Diagrama de Amplitud), que representa el módulo de la función de transferencia en decibelios (dB) en función de la frecuencia angular (ω) en escala logarítmica.
• El Diagrama de Fase, que representa el ángulo de la función de transferencia en grados en función de la frecuencia angular (ω) en escala logarítmica.

Fórmulas Clave

Para comprender el Diagrama de Bode, es esencial conocer las siguientes expresiones:

• Módulo de la Función de Transferencia:
  M(ω) = |G(jω)| =

El Modelo de Regresión Lineal Simple

El modelo que estudiamos es el siguiente:

Yᵢ = α + βXᵢ + Uᵢ

Donde los componentes son:

• Yᵢ: Variable dependiente (la variable que se busca explicar o predecir).
• Xᵢ: Variable independiente (la variable que se utiliza para explicar Yᵢ).
• α: Intercepto o término constante poblacional. Representa el valor esperado de Y cuando X es cero.
• β: Pendiente poblacional. Mide el cambio esperado en Y por cada unidad de cambio en X.
• Uᵢ: Término de error estocástico poblacional. Recoge todos los factores distintos de X que afectan a Y, así como errores de medida.

Es importante distinguir entre los parámetros poblacionales y los estimadores muestrales:

• α y β son los parámetros poblacionales (valores fijos

Distribución de Frecuencias:

Conjunto de puntuaciones respecto a una variable ordenadas en sus respectivas categorías.

Cesgo:

Cuando los resultados obtenidos no dependen de la manipulación del experimento.

Desviación Estándar:

Qué tan alejados están mis datos respecto a su media.

MTC:

Valores centrales de una distribución que sirven para ubicarla dentro de la escala de medición de la variable.

Moda:

Categoría que se presenta con mayor frecuencia.

Mediana:

Posición intermedia de la distribución.

Media:

Promedio.

Histograma de Barras:

Poner cuántas veces un dato se repite, mirar diferencia de datos.

Estudio Transversal:

Estudio en un momento indeterminado, puede ser grupal o individual.

Gráfica Poligonal:

Nos ayuda a saber cómo se interpreta una... Continuar leyendo "Estadística Descriptiva: Conceptos y Métodos" »

Clasificación Fundamental de las Técnicas de Muestreo

La selección de unidades experimentales para conformar una muestra se clasifica principalmente en dos grandes categorías, basadas en el método de selección:

1. Muestreo Probabilístico

En este tipo de selección, las unidades experimentales que componen la muestra son tomadas al azar, lo que permite calcular la probabilidad que tiene cada unidad experimental de ser obtenida. El proceso de obtención de cada elemento que integra la muestra es un experimento aleatorio.

• Tipo de muestreo objetivo: La inclusión de cada unidad experimental en la muestra no depende del sujeto que se encarga de tomar la muestra.

2. Muestreo No Probabilístico (Intencional o Sin Norma)

Muestreo Intencional (Subjetivo)

Fundamentos de Estadística Relacional

Covarianza

La covarianza (Sxy) mide el grado de variación conjunta de dos variables aleatorias, X e Y. Indica cómo se relacionan sus desviaciones respecto a sus respectivas medias.

Regresión Lineal

La regresión lineal es un modelo estadístico que describe la relación lineal entre dos variables, una dependiente (Y) y una independiente (X). Permite inferir el valor de Y a partir de los valores de X, incluso para aquellos no observados en la muestra, y predecir tendencias.

Coeficiente de Correlación de Pearson

Al igual que la covarianza, el coeficiente de correlación de Pearson (Rxy) indica la fuerza y dirección de la relación lineal entre dos variables aleatorias, X e Y. Su valor, que oscila entre -1... Continuar leyendo "Conceptos Esenciales de Estadística y Machine Learning para Científicos de Datos" »

Este documento presenta una recopilación de definiciones fundamentales en diversas ramas de las matemáticas, incluyendo la teoría de números, la teoría de grafos y el álgebra lineal. Comprender estos conceptos es crucial para el estudio avanzado de estas disciplinas.

Teoría de Números y Grafos

Elementos Invertibles en Z_n

Un elemento a de Z_n se dice invertible si existe otro elemento b en Z_n tal que a ⋅ b ≡ 1 (mod n).

Definiciones Clave en Teoría de Grafos

• Matriz de Adyacencia: Si G es un grafo simple con n vértices, su matriz de adyacencia A es una matriz de tamaño n × n, donde la entrada A_ij es 1 si existe una arista entre los vértices i y j, y 0 si no la hay.
• Grafo Conexo: Un grafo es conexo si cada par de vértices está unido

Eficiencia

La variabilidad (medida con el error medio cuadrático) del estimador con respecto al parámetro debe ser mínima.

Eficiencia relativa: Dados dos estimadores de un mismo parámetro, el estimador 1 tiene una eficiencia relativa mayor a la del estimador 2 si y solo si la varianza del primero es menor que la varianza del estimador 2.

Suficiencia

Un estimador de un parámetro es suficiente si y solo si se cumple que el estimador utiliza toda la información relevante acerca del parámetro, contenida en la muestra aleatoria.

• Si un estimador insesgado es suficiente, entonces su varianza será menor que la varianza de aquel estimador insesgado pero que no sea un estimador suficiente de dicho parámetro.

Grados de Libertad

Cantidad de variables... Continuar leyendo "Propiedades de Estimadores Estadísticos: Eficiencia, Suficiencia e Intervalos de Confianza" »