Modelo Uniforme discreto de Probabilidad (Modelo Clásico de Probabilidad)
|
|
- Xavier López Venegas
- hace 6 años
- Vistas:
Transcripción
1 Modelo Uniforme discreto de Probabilidad (Modelo Clásico de Probabilidad) 1. Definición y propiedades. Aditividad finita Definición 1. Sea Ω un conjunto finito no vacío. Definimos la medida de probabilidad uniforme discreta P como la función de conjunto dada por P(A) = A, para todo A Ω. Ω El siguiente resultado expone las tres principales propiedades de esta medida de probabilidad tmabién llamada probabilidad clásica. Teorema 1 (Propiedades de P). Si P es una medida de probabilidad uniforme discreta sobre el conjunto finito no vacío Ω, entonces P1) 0 P(A) 1, para todo subconjunto A Ω. P2) P(Ω) = 1. P3) Si A y B son dos subconjuntos de Ω mutuamente excluyentes (esto es A B = ), entonces P(A B) = P(A) + P(B). Demostración. Si A Ω, entonces 0 A Ω, de donde se sigue P1). La propiedad P2) es también inmediata de la definicón, P(Ω) = Ω Ω = 1. Por último, si A y B son dos subconjuntos de Ω mutuamente excluyentes, entonces A B = A + B, de donde se sigue la propiedad P3). 1
2 Notemos que las propiedades del teorema anterior son consecuencia directa de la definición de la medida P. Esencialmente estas son las únicas que dependen directamente de la definición de P, salvo la propiedad P2 que puede sustituirse por la equivalente: P( ) = 0. Los siguientes resultados no son necesariamente consecuencia directa de la definición de P, sino de las propiedades anteriores. Corolario 1. Si P es una medida de probabilidad uniforme discreta sobre el conjunto finito no vacío Ω, y si A y B son subconjuntos de Ω tales que A B, entonces P(B\A) = P(B) P(A) y por tanto P(A) P(B) (monotonía). Demostración. Basta notar que B = (B\A) A, y que los conjuntos B\A y A son ajenos, y en consecuencia, P(B) = P(B\A) + P(A), de donde P(B\A) = P(B) P(A) y también P(A) P(B), dado que P(B\A) 0. Corolario 2. Si P es una medida de probabilidad uniforme discreta sobre el conjunto finito no vacío Ω, entonces para todo A Ω. P(A c ) = 1 P(A), Demostración. Si A Ω, observe que Ω = A A c. Luego, 1 = P(Ω) = P(A) + P(A c ), de donde se sigue la iguladad del coroario. Corolario 3. Si P es una medida de probabilidad uniforme discreta sobre el conjunto finito no vacío Ω, entonces P( ) = 0. Demostración. Del corolario anterior, P( ) = P(Ω c ) = 1 P(Ω) = 1 1 = 0. La propiedad P3) puede extenderse a cualquier número finito de subconjuntos ajenos. La prueba nuevamente, no dependerá de la definición de la medida P (aunque ciertamente esta puede hacerse directamente). 2
3 Teorema 2 (Aditividad finita). Si P es una medida de probabilidad uniforme discreta sobre el conjunto finito no vacío Ω, y A 1,...,A n es una colección finita de subconjuntos de Ω mutuamente excluyentes, entonces ( n ) n P A i = P(A i ). Demostración. Procedemos por inducción. Para n = 1 y n = 2 no hay nada que hacer. Supongamos que la igualdad es cierta para cualquiera n subconjuntos de Ω mutuamente excluyentes, con n 2. Sea A 1,...,A n, A n+1 una colección de n + 1 subconjuntos de Ω mutuamente excluyentes. Tenemos, ( n+1 ) ([ n ] ) P A i = P A i A n+1 ( n ) n = P A i + P(A n+1 ) pues A i y A n+1 son ajenos = n P(A i ) + P(A n+1 ) por hipótesis inductiva n+1 = P(A i ). 2. Regla de la Inclusión-Exclusión Teorema 3. Si P es una medida de probabilidad uniforme discreta sobre el conjunto finito no vacío Ω, y A y B son eventos (no necesariamente excluyentes), entonces P(A B) = P(A) + P(B) P(A B). En general, si A 1,..., A n es una colección finita de eventos, entonces ( n ) n P A i = P(A i) P(A i A j) 1 i<j n + 1 i<j<k n P(A i A j A k ) 1 i<j<k<l n P(A i A j A k A l ) + + ( 1) n+1 P(A 1 A 2 A n). 3
4 Demostración. Note que (A B)\A = B\A = A\(A B). En consecuencia, P(A B) P(A) = P(B) P(A B), de donde se sigue la primera igualdad. La regla general se prueba por inducción. Supongamos que ésta regla es válida para cualesquiera n eventos. Sea A 1,..., A n+1 una colección de n + 1 eventos. Tenemos, ( n+1 ) ([ n ] ) P A i = P A i A n+1 ( n ) ( n ) = P A i + P(A n+1 ) P A i A n+1 n = P(A i ) + P(A n+1 ) + n P(A i A j ) P(A i A n+1 ) 1 i<j n P(A i A j A k ) + 1 i<j<k n 1 i<j n P(A i A j A k A l ) P(A i A j A n+1 ) 1 i<j<k<l n 1 i<j<k n n + + ( 1) n+1 P(A 1 A 2 A n) ( 1) n P + ( 1) n+2 P(A 1 A 2 A n A n+1 ) n+1 = P(A i ) + P(A i A j ) 1 i<j n+1 P(A i A j A k ) 1 i<j<k n+1 P(A i A j A k A n+1 ) n j=1, j i 1 i<j<k<l n+1 A j P(A i A j A k A l ) + + ( 1) n+2 P(A 1 A 2 A n+1 ). 3. Probabilidad condicional Ejemplo Preliminar Supongamos que en una población de tamaño N, hay N R personas que son ciegas al colo rojo y un número de N F de personas dentro de la población son mujeres. De esta población elegimos una persona al azar. Sea R el evento la persona elegida es ciega al color rojo y sea F el evento la persona elegida es mujer. En tal caso, P(R) = N R N y P(F ) = N F N. 4
5 Podemos restringir nuestra atención únicamente al sector de la problación compuesto por mujeres. La probabilidad de elegir una persona ciega al color rojo dentro de esta subpoblación, es N RF N F, donde N RF es el número de mujeres ciegas al color rojo. Esta es una nueva noción de probabilidad, condicionada al hecho de que la persona elegida es de hecho una mujer. Para denotar esta razón usamos la notación P(R F ), que se lee probabilidad condicional del evento R dado el evento F. En este caso, decimos que N RF N F es la probabilidad de que una persona sea ciega al color rojo, dado que dicha persona es mujer. Ahora bien, note que el número N RF es justamente el número de elementos muestrales que componen el evento R F, de donde, P(R F ) = N RF N F = N RF N N R = P(R F ). P(F ) N F Definición 2 (Probabilidad condicional). Si P es una medida de probabilidad uniforme discreta sobre el conjunto finito no vacío Ω, y A y B son eventos con B no trivial (B ), entonces definimos la probabilidad condicional de A dado B como la razón Observe que P(B) > 0. Regla del Producto P(A B) = P(A B). P(B) Note que de la definición de probabilidad condicional, P(A B) = P(A B)P(B), (1) cuando P(B) > 0. Este hecho es un caso particular de una regla más general. Teorema 4 (Regla del Producto). Sea P es una medida de probabilidad uniforme discreta sobre el conjunto finito no vacío Ω, y sea A 1,...,A n una colección finita de eventos tales que π(a 1,..., A n ) > 0, entonces P(A 1 A n ) = P(A n A 1 A n 1 )P(A n 1 A 1 A n 2 ) P(A 2 A 1 )P(A 1 ). (2) Note que P(A 1 A i ) > 0 para cualquier i = 1,..., n. 5
6 Demostración. Procedemos por inducción. Cuando n = 2 se trata de la ecuación (1). Supongamos que la ecuación (2) es válida para cualquier colección finita de n eventos y sea A 1, A 2,... A n+1 una colección finita de n + 1 eventos. Entonces P(A 1 A n A n+1 ) = P(A n+1 A 1 A 1 A n)p(a 1 A n) = P(A n+1 A 1 A 1 A n) P(A n A 1 A n 1 )P(A n 1 A 1 A n 2 ) P(A 2 A 1 )P(A 1 ). Ley de la Probabilidad Total Proposición 1. Sea P es una medida de probabilidad uniforme discreta sobre el conjunto finito no vacío Ω, y A y B eventos tal que 0 < P(B) < 1. Entonces P(A) = P(A B)P(B) + P(A B c )P(B c ). Demostración. Notamos que A = (A B) (A B c ) y los eventos A B y A B c son mutuamente excluyentes, de donde, por la propiedad de aditividad finita y la regla del producto, P(A) = P(A B) + P(A B c ) = P(A B)P(B) + P(A B c )P(B c ). Esta igualdad es bastante útil en la solución de muchos problemas. Puede generalizarce a particiones de Ω. Recordemos primero qué es una partición. Sea Ω un conjunto no vacío. Una particón de Ω es una colección B 1,...,B n de conjuntos no vacíos tales que 1) B i B j =, para i j (son mutuamente exlcuyentes). 2) n B i = Ω. Teorema 5 (Probabilidad Total). Sea P es una medida de probabilidad uniforme discreta sobre el conjunto finito no vacío Ω, y B 1, B 2,... B n una partición de eventos de Ω tal que P(B i ) > 0 para todo i = 1,..., n. Si A es un evento entonces, n P(A) = P(A B i )P(B i ). 6
7 Regla de Bayes Algunos experimentos están compuestos de dos (o más) experimentos. Algunos preguntas interesantes tienen que ver con probabilidades de sucesos que ocurrieron en la primera parte, cuando se conoce información solo de la segunda parte. La Regla de Bayes proporciona la herramienta para resolver esos problemas. Teorema 6 (Regla de Bayes). Sea P es una medida de probabilidad uniforme discreta sobre el conjunto finito no vacío Ω, y B 1, B 2,... B n una partición de eventos de Ω tal que P(B i ) > 0 para todo i = 1,..., n. Si A es un evento entonces tal que P(A) > 0, entonces, para cada j = 1,..., n, P(B j A) = P(A B j)p(b j ). n P(A B i )P(B i ) Demostración. De la definición de probabilidad condicional, regla del producto y por la regla de probabilidad total, P(B j A) = P(A B j) P(A) = P(A B j)p(b j ). n P(A B i )P(B i ) 4. Independencia Definición 3. Sea P es una medida de probabilidad uniforme discreta sobre el conjunto finito no vacío Ω. Un par de eventos A y B son independientes si P(A B) = P(A)P(B). Cuando P(A) > 0 y P(B) > 0 entonces la definición anterior es equivalente P(A B) = P(A) o bien P(B A) = P(B). Definición 4. Sea P es una medida de probabilidad uniforme discreta sobre 7
8 el conjunto finito no vacío Ω. Los eventos A 1, A 2,... A n son independientes si P(A i A j ) = P(A i )P(A j ) P(A i A j A k ) = P(A i )P(A j )P(A k )... P(A 1 A n ) = P(A 1 ) P(A n ). i, j = 1,..., n i, j, k = 1,..., n. Esto es, si para cualquier sub-colección de índices i 1, i 2,..., i k {1,..., n}, P(A i1 A i2 A ik ) = P(A i1 )P(A i2 ) P(A ik ). 8
Tema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 1
Maestría en Bioinformática Probabilidad y Estadística: Clase 1 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Introducción 2 Teoría
Más detallesAnálisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Antofagasta, Junio de 2014 Freddy
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detallesMOOC UJI: La Probabilidad en las PAU
4. Probabilidad Condicionada: Teoremas de la Probabilidad Total y de Bayes 4.1. Probabilidad Condicionada Vamos a estudiar como cambia la probabilidad de un suceso A cuando sabemos que ha ocurrido otro
Más detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
Más detallesTema 3. Sucesos y probabilidad
Tema 3. Sucesos y probabilidad Cuestiones de Verdadero/Falso 508 Estadística. ETDI. Curs 2002/03 1. Un suceso es un subconjunto del espacio muestral. 2. La probabilidad de un suceso es una medida de la
Más detallesTema 4 Probabilidad condicionada: teoremas básicos. Independencia de sucesos
Tema 4 Probabilidad condicionada: teoremas básicos. Independencia de sucesos 1. Probabilidad condicionada. Espacio de probabilidad condicionado La probabilidad condicionada es uno de los conceptos clave
Más detallesb) Sea una relación de equivalencia en A y una operación en A. Decimos que y son compatibles si a b a c b c y c a c b para todo a, b, c A
APENDICE Relaciones y Operaciones Compatibles 1 Definición: a) Sea A un conjunto y una relación entre elementos de A. Decimos que es una relación de equivalencia si es: i Reflexiva: a A, a a. ii Simétrica:
Más detallesProbabilidad condicional e independencia
Probabilidad condicional e independencia Probabilidad condicional La probabilidad de un determinado suceso en un experimento aleatorio puede modificarse si se posee alguna información antes de la realización
Más detallesConjuntos, relaciones y funciones Susana Puddu
Susana Puddu 1. Repaso sobre la teoría de conjuntos. Denotaremos por IN al conjunto de los números naturales y por ZZ al de los enteros. Dados dos conjuntos A y B decimos que A está contenido en B o también
Más detallesDefinición axiomática de probabilidad
Definición axiomática de probabilidad Se llama probabilidad a cualquier función P que asigna a cada suceso A un valor numérico P(A) y que verifica las siguientes reglas (axiomas) E espacio muestral P(E)=1
Más detallesEspacios Topológicos 1. Punto de Acumulación. Al conjunto de puntos de acumulación de A se le denomina el conjunto derivado de A (A a Notación).
Espacios Topológicos 1 Punto de Acumulación Definición: Sea A un subconjunto arbitrario de R n, se dice que x R n es un punto de acumulación de A si toda bola abierta con centro x contiene un punto A distinto
Más detallesProbabilidad Condicional
Probabilidad Condicional Algunas veces la ocurrencia de un evento A puede afectar la ocurrencia posterior de otro evento B; por lo tanto, la probabilidad del evento B se verá afectada por el hecho de que
Más detallesEspacios conexos. Capítulo Conexidad
Capítulo 5 Espacios conexos 1. Conexidad En este capítulo exploraremos el concepto de conexidad en un espacio métrico, y estudiaremos algunas de sus aplicaciones. Definición 5.1. Decimos que el espacio
Más detallesSemana05[1/14] Relaciones. 28 de marzo de Relaciones
Semana05[1/14] 28 de marzo de 2007 Introducción Semana05[2/14] Ya en los capítulos anteriores nos acercamos al concepto de relación. Relación Dados un par de conjuntos no vacíos A y B, llamaremos relación
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 2 Nombre: Probabilidad Contextualización En la sesión anterior analizamos cómo a largo plazo un fenómeno aleatorio o probabilístico posee un
Más detallesTema 3: Probabilidad. Teorema de Bayes.
Estadística 36 Tema 3: Probabilidad. Teorema de Bayes. 1 Definiciones básicas. En Estadística se utiliza la palabra experimento para designar todo acto que proporciona unos datos. Se van a distinguir dos
Más detallesTema 4. Probabilidad Condicionada
Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello
Más detallesCurso intermedio de PROBABILIDAD
Curso intermedio de PROBABILIDAD Luis Rincón Departamento de Matemáticas Facultad de Ciencias UNAM Circuito Exterior de CU 04510 México DF Mayo 2005 El presente texto corresponde a la versión electrónica
Más detallesRecordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos.
Capítulo 1 Preliminares Vamos a ver en este primer capítulo de preliminares algunos conceptos, ideas y propiedades que serán muy útiles para el desarrollo de la asignatura. Se trata de resultados sobre
Más detallesCapítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta
Capítulo 3: Técnicas de Conteo Clase 2: Permutaciones y Combinaciones, Coeficientes Binomiales y Aplicaciones a Probabilidad Discreta Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática
Más detallesTeoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
Más detallesCapítulo 2: Inducción y recursión Clase 2: El principio de Inducción Fuerte
Capítulo 2: Inducción y recursión Clase 2: El principio de Inducción Fuerte Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 2: Inducción y Recursión 1 / 20 Motivación
Más detallesGrupos libres. Presentaciones.
S _ Tema 12.- Grupos libres. Presentaciones. 12.1 Grupos libres. En el grupo Z de los enteros vimos una propiedad (cf. ejemplos.5), que lo caracteriza como grupo libre. Lo enunciamos al modo de una Propiedad
Más detallesPROBABILIDAD CONDICONAL Y TEOREMA DE BAYES
Prof.: MSc. Julio Rito Vargas A. PROBABILIDAD CONDICONAL Y TEOREMA DE BAYES Definición de Probabilidad Condicional: Para dos eventos cualesquiera A y B en un espacio muestra Ω, tales que P(B) > 0 con P(B)>
Más detallesApuntes de Matemática Discreta 8. Relaciones de Equivalencia
Apuntes de Matemática Discreta 8. Relaciones de Equivalencia Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 8 Relaciones de Equivalencia
Más detallesDefinición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral.
Capítulo 2 Probabilidades 2. Definición y propiedades Al realizar un experimento aleatorio nuestro interés es obtener información sobre las leyes que rigen el fenómeno sometido a estudio. El punto de partida
Más detallesMATEMÁTICAS BÁSICAS. Autora: Jeanneth Galeano Peñaloza Edición: Oscar Guillermo Riaño
MATEMÁTICAS BÁSICAS Autora: Jeanneth Galeano Peñaloza Edición: Oscar Guillermo Riaño Universidad Nacional de Colombia Departamento de Matemáticas Sede Bogotá Enero de 2014 Universidad Nacional de Colombia
Más detalles1. Convergencia en medida
FACULTAD CS. FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE MA3801 Teoría de la Medida. Semestre 2009-02 Profesor: Jaime San Martín Auxiliares: Andrés Fielbaum y Cristóbal Guzmán Clase auxiliar 7 21 de Septiembre
Más detallesConceptos de Probabilidad (II)
Conceptos de Probabilidad (II) Jhon Jairo Padilla A., PhD. Necesidad Es común escuchar frases como: Juan Probablemente ganará el torneo de tenis Tengo posibilidad de ganarme la lotería esta noche La mayoría
Más detallesESPACIOS MUESTRALES Y EVENTOS
1 ESPACIOS MUESTRALES Y EVENTOS Definiciones 1. Un experimento aleatorio es aquel que proporciona diferentes resultados aun cuando se repita siempre de la misma manera. 2. El conjunto de los posibles resultados
Más detallesIntroducción a la Probabilidad
Introducción a la Probabilidad Tema 3 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Entender el concepto de experimento
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Probabilidad Conceptos como probabilidad, azar, aleatorio son tan viejos como la misma civilización. Y es que a diario utilizamos el concepto de probabilidad: Quizá llueva mañana
Más detalles- Fernando Sánchez - Departamento de Matemáticas - Universidad de Extremadura. Topología
- Fernando Sánchez - - 6 Topología Cálculo I en R 26 10 2015 Elementos de la topología en R. Una topología en un conjunto da un criterio para poder hablar de proximidad entre los elementos de un conjunto.
Más detallesLímite superior y límite inferior de una sucesión
Límite superior y límite inferior de una sucesión Objetivos. Definir las nociones de los límites superior e inferior de una sucesión y estudiar sus propiedades básicas. Requisitos. Supremo e ínfimo de
Más detallesContinuidad. 5.1 Continuidad en un punto
Capítulo 5 Continuidad 5.1 Continuidad en un punto Definición 5.1.1 (Aplicación continua en un punto). Sean (X, τ) e (Y, τ ) dos espacios topológicos, y sea f : X Y una aplicación entre ellos. Diremos
Más detalles2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria
2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un
Más detallesPor ser f continua y R compacto, existen x 0, y 0 en R tales que f(x 0 ) = sup{f(t) : t R} y f(y 0 ) = inf{f(t) : t R}
Proposición. Sea un rectángulo en R n, y sea f : R una función continua. Entonces f es integrable en. Conjuntos de Demostración: Como f es continua en, y es compacto, f es acotada en, y uniformemente continua.
Más detallesTEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES
TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES EXPERIMENTOS: EJEMPLOS Deterministas Calentar agua a 100ºC vapor Soltar objeto cae Aleatorios Lanzar un dado puntos Resultado fútbol quiniela
Más detallesProbabilidad. Ernesto Mordecki. 23 de noviembre de 2005
Probabilidad Ernesto Mordecki 23 de noviembre de 2005 1. Experimentos aleatorios Las probabilidades aparecen asociadas a los fenómenos aleatorios. Un fenómeno aleatorio es aquel en el cual la verificación
Más detallesCAPÍTULO 2 NOCIONES BÁSICAS DE TEORÍA DE CONJUNTOS
CAPÍTULO 2 NOCIONES BÁSICAS DE TEORÍA DE CONJUNTOS 2.1. NOCIONES PRIMITIVAS Consideraremos tres nociones primitivas: Conjunto, Elemento y Pertenencia. Conjunto Podemos entender al conjunto como, colección,
Más detalles4.12 Ciertos teoremas fundamentales del cálculo de probabilidades
1 de 9 15/10/2006 05:57 a.m. Nodo Raíz: 4. Cálculo de probabilidades y variables Siguiente: 4.14 Tests diagnósticos Previo: 4.10 Probabilidad condicionada e independencia de 4.12 Ciertos teoremas fundamentales
Más detallesProducto de matrices triangulares superiores
Producto de matrices triangulares superiores Ejercicios Objetivos Demostrar que el producto de dos matrices triangulares superiores es una matriz triangular superior Deducir una fórmula para las entradas
Más detallesClase 4: Probabilidades de un evento
Clase 4: Probabilidades de un evento Definiciones A continuación vamos a considerar sólo aquellos experimentos para los que el EM contiene un número finito de elementos. La probabilidad de la ocurrencia
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Enteros
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Z = N {0} N Enteros Las operaciones + y. son cerradas en Z, es decir la suma de dos números enteros es un número entero y el producto
Más detallesCOMBINATORIA Y PROBABILIDAD
COMBINATORIA Y PROBABILIDAD Esp. HENRY CARRASCAL C. Lic. Matemáticas y Física Esp. Informática Educativa Esp. Práctica Docente Universitaria Magíster en Práctica Pedagógica INSTITUCIÓN EDUCATIVA RAFAEL
Más detallesUnidad 1: Probabilidad
Cuál es la probabilidad de aprobar Introducción a la Probabilidad y Estadística? - - Introducción a la Probabilidad y Estadística Unidad 1: Probabilidad Cuál es la probabilidad de no encontrarme un embotellamiento
Más detalles3.Si A y B son incompatibles, es decir A B = entonces:
Axiomas de la probabilidad 1.La probabilidad es positiva y menor o igual que 1. 0 p(a) 1 2. La probabilidad del suceso seguro es 1. p(e) = 1 3.Si A y B son incompatibles, es decir A B = entonces: p(a B)
Más detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesUniversidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I
Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I 1. Supongamos que Ω = A B y P (A B) = 0.2. Hallar: (a) El máximo valor posible para P (B), de tal manera
Más detallesTema 3 Probabilidades
Probabilidades 1 Introducción Tal vez estemos acostumbrados con algunas ideas de probabilidad, ya que esta forma parte de la cultura cotidiana. Con frecuencia escuchamos a personas que hacen afirmaciones
Más detallesTema 3 Espacios de probabilidad: Definición axiomática y propiedadades básicas de la probabilidad
Tema 3 Espacios de probabilidad: Definición axiomática y propiedadades básicas de la probabilidad 1. Objetivo del Cálculo de Probabilidades El objetivo del Cálculo de Probabilidades es establecer y desarrollar
Más detallesCurso intermedio de PROBABILIDAD
Curso intermedio de PROBABILIDAD Luis Rincón Departamento de Matemáticas Facultad de Ciencias UNAM Circuito Exterior de CU 04510 México DF Versión: Octubre 2007 Una versión actualizada del presente texto
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesEstructuras Algebraicas
Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos
Más detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
Más detallesCurso elemental de PROBABILIDAD Y ESTADÍSTICA
Curso elemental de PROBABILIDAD Y ESTADÍSTICA Luis Rincón Departamento de Matemáticas Facultad de Ciencias UNAM Circuito Exterior de CU 04510 México DF Versión: Diciembre 2007 Una versión actualizada del
Más detalles3.Si A y B son incompatibles, es decir A B = entonces:
Axiomas de la probabilidad 1.La probabilidad es positiva y menor o igual que 1. 0 p(a) 1 2. La probabilidad del suceso seguro es 1. p(e) = 1 3.Si A y B son incompatibles, es decir A B = entonces: p(a B)
Más detallesProbabilidad 3/1/2010. EVSC 5020: Bioestadística. Qué es probabilidad? Prof. Rafael R. Canales-Pastrana. EVSC 5020: Bioestadística
Probabilidad Prof. Rafael R. Canales-Pastrana 2 Qué es probabilidad? 3 1 Definiciones de Probabilidad La medida del grado de confianza que uno tiene, en que ocurra el acontecimiento. Método axiomático:
Más detallesUniversidad del CEMA Prof. José P Dapena Métodos Cuantitativos II - PROBABILIDAD. 2.1 Introducción
II - PROBABILIDAD 2.1 Introducción La herramienta básica sobre la que se basan los métodos cuantitativos es la PROBABILIDAD, por lo que es necesario dedicar cierto tiempo a entender este importante concepto
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesRelaciones. Estructuras Discretas. Relaciones. Relaciones en un Conjunto. Propiedades de Relaciones en A Reflexividad
Estructuras Discretas Relaciones Definición: relación Relaciones Claudio Lobos, Jocelyn Simmonds clobos,jsimmond@inf.utfsm.cl Universidad Técnica Federico Santa María Estructuras Discretas INF 152 Sean
Más detallesIntegrales múltiples
ntegrales múltiples Cálculo (2003) El objetivo de este capítulo es definir y aprender a calcular integrales de funciones reales de varias variables, que llamamos integrales múltiples. Las motivación más
Más detallesCadenas de Markov. José Antonio Camarena Ibarrola
Cadenas de Markov José Antonio Camarena Ibarrola Definiciones elementales El proceso discreto cadena de Markov si se cumple es denominado es la probabilidad de que en el tiempo k, el proceso esté en el
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesCardinalidad. Teorema 0.3 Todo conjunto infinito contiene un subconjunto infinito numerable.
Cardinalidad Dados dos conjuntos A y B, decimos que A es equivalente a B, o que A y B tienen la misma potencia, y lo notamos A B, si existe una biyección de A en B Es fácil probar que es una relación de
Más detallesSemana03[1/17] Funciones. 16 de marzo de Funciones
Semana03[1/17] 16 de marzo de 2007 Introducción Semana03[2/17] Ya que conocemos el producto cartesiano A B entre dos conjuntos A y B, podemos definir entre ellos algún tipo de correspondencia. Es decir,
Más detallesCapítulo 1: Fundamentos: Lógica y Demostraciones Clase 3: Relaciones, Funciones, y Notación Asintótica
Capítulo 1: Fundamentos: Lógica y Demostraciones Clase 3: Relaciones, Funciones, y Notación Asintótica Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 1: Fundamentos:
Más detallesTraza de una Matriz Cuadrada
Traza de una Matriz Cuadrada Departamento de Matemáticas, CSI/ITESM 10 de septiembre de 2008 Índice 7.1. Definiciones y propiedades básicas.................................. 1 7.2. La traza de un producto........................................
Más detalles1.- Definiciones Básicas:
Tema 3 PROBABILIDAD Y COMBINATORIA 1.- Definiciones Básicas: El objetivo del cálculo de probabilidades es el estudio de métodos de análisis del comportamiento de fenómenos aleatorios en lo relativo a su
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesSesión del día 11 de Marzo del 2011 y tutoría del día 12 de Marzo del 2011
Especialidad La enseñanza de las matemáticas en secundaria Grupo B: Celaya Sesión del día 11 de Marzo del 2011 y tutoría del día 12 de Marzo del 2011 Álgebra Resumen de la sesión anterior. Se añadió que
Más detallesTema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias
Estadística Tema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010 Contenidos...............................................................
Más detallesSon los experimentos de los que podemos predecir el resultado antes de que se realicen.
PROBABILIDAD Definición de probabilidad La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio.
Más detallesConjuntos Los conjuntos se emplean en muchas áreas de las matemáticas, de modo que es importante una comprensión de los conjuntos y de su notación.
NÚMEROS REALES Conjuntos Los conjuntos se emplean en muchas áreas de las matemáticas, de modo que es importante una comprensión de los conjuntos y de su notación. Un conjunto es una colección bien definida
Más detallesFunciones integrables en R n
Capítulo 1 Funciones integrables en R n Sean un subconjunto acotado de R n, y f : R una función acotada. Sea R = [a 1, b 1 ]... [a n, b n ] un rectángulo que contenga a. Siempre puede suponerse que f está
Más detallesTEORIA DE LA PROBABILIDAD
TEORIA DE LA PROBABILIDAD 2.1. Un poco de historia de la teoría de la probabilidad. Parece evidente que la idea de probabilidad debe ser tan antigua como el hombre. La idea es muy probable que llueva mañana
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 2 Probabilidad condicional e independencia Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Distinguir los eventos condicionales de los eventos independientes.
Más detallesProbabilidad. Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz. Teoría de probabilidades
Experimentos deterministas Probabilidad Son los experimentos de los que podemos predecir el resultado antes de que se realicen. Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas,
Más detallesTeorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones
Tema 13.- Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones 13.1 Teorema de estructura de los módulos finitamente generados sobre un D.I.P. En lo que sigue A denotará
Más detallesProbabilidad Condicional
Cómo actualizar la probabilidad de un evento dado que ha sucedido otro? o Cómo cambia la probabilidad de un evento cuando se sabe que otro evento ha ocurrido? Ejemplo: Una persona tiene un billete de lotería
Más detallesLa Intersección Arbitraria de una Familia de Subconjuntos Abiertos con la Propiedad α-s-localmente Finita es α-semiabierta
Divulgaciones Matemáticas Vol. 8 No. 2 (2000), pp. 155 162 La Intersección Arbitraria de una Familia de Subconjuntos Abiertos con la Propiedad α-s-localmente Finita es α-semiabierta The Intersection of
Más detalles2. Probabilidad. Estadística. Curso 2009-2010. Ingeniería Informática. Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24
2. Probabilidad Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24 Contenidos 1 Experimentos aleatorios 2 Algebra de sucesos 3 Espacios
Más detallesCapítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
Más detallesSubconjuntos notables de un Espacio Topológico
34 Capítulo 4 Subconjuntos notables de un Espacio Topológico 4.1 Adherencia Definición 4.1.1 (Punto adherente). Sea (X, τ) un espacio topológico, y sea S un subconjunto de X. Diremos que x X es un punto
Más detallesP R O B A B I L I D A D E S
Seminario Conciliar La Serena DEPTO DE MATEMATICA. MCP - GGU P R O B A B I L I D A D E S DEFINICIÓN: Es una rama de la matemática que consiste en el estudio de ciertos experimentos llamados aleatorios
Más detalles1 NOCIONES BÁSICAS SOBRE CONJUNTOS. SÍMBOLOS.
UNIDAD 1.- CONCEPTOS REQUERIDOS CONJUNTOS. AXIOMAS DE PERTENENCIA, PARALELISMO, ORDEN Y PARTICIÓN. 1 NOCIONES BÁSICAS SOBRE CONJUNTOS. SÍMBOLOS. 1.1 Determinaciones de un conjunto. Un conjunto queda determinado
Más detallesr j ϕ j (v i ) = r i, ϕ(v i ) = v = n a ij ϕ j(v) ϕ i (v) =
ESPACIO DUAL 1. Espacio Dual En temas anteriores dados V y V espacios vectoriales sobre k, definíamos en Hom(V, V ) una suma y un producto por elementos de k que convertían este conjunto en un espacio
Más detallesPROBABILIDAD. 1.- Halla el espacio muestral asociado al experimento de lanzar al aire un dado y observar el resultado.
PRBABILIDAD EXPERIMENTS ALEATRIS Experimento determinista y aleatorio Un experimento aleatorio tiene un resultado impredecible al repetirlo en condiciones similares. Un experimento determinista tiene un
Más detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
Más detallesSocioestadística I Análisis estadístico en Sociología
Análisis estadístico en Sociología Capítulo 4 TEORÍA DE LA PROBABILIDAD Y SUS PRINCIPIOS. ESTADÍSTICA INFERENCIAL 1. INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIAL En los capítulos anteriores, hemos utilizado
Más detallesProfesor Miguel Ángel De Carlo PROBABILIDAD. Tercer año del Profesorado de Matemática
Profesor Miguel Ángel De Carlo PROBABILIDAD Tercer año del Profesorado de Matemática 2 Probabilidad 3er año M.A.D.C Cap.I Definiciones de Probabilidad 3 Introducción La probabilidad es uno de los instrumentos
Más detallesParte II CALCULO DIFERENCIAL.
Parte II CALCULO DIFERENCIAL. 165 En esta parte veremos el Cálculo diferencial en forma precisa. 167 168 Capítulo 1 Axiomas Para los Números Reales. En este capítulo daremos las bases en las cuales se
Más detallesVariables aleatorias continuas
Probabilidades y stadística Computación Facultad de Ciencias actas y Naturales Universidad de uenos ires na M ianco y lena J Martínez 004 Variables aleatorias continuas jemplo: Con el in de realizar un
Más detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
Más detallesProbabilidades. Universidad de las Américas Instituto de Matemática, Física y Estadística. Centro de Aprendizaje Matemático - CAM
Universidad de las Américas Instituto de Matemática, Física y Estadística. Centro de Aprendizaje Matemático - CAM Probabilidades P(A) = Casos favorables Casos posibles Objetivos: Definir el concepto de
Más detallesSobre la Construcción Axiomática de los Números Naturales
Sobre la Construcción Axiomática de los Números Naturales Dr. Rafael Labarca Briones Profesor de Matemáticas. Universidad de Santiago de Chile. Charla dictadas en las EMALCAS de Arequipa, La Paz y Quito.
Más detallesJohn Venn Matemático y filósofo británico creador de los diagramas de Venn
Georg Cantor Matemático Alemán creador de la teoría de conjuntos John Venn Matemático y filósofo británico creador de los diagramas de Venn August De Morgan Matemático ingles creador de leyes que llevan
Más detalles