Probabilidad y Estadística



Documentos relacionados
Métodos de conteo. Algunos valores de q:

Teoría de probabilidades (espacio muestral simple)

Introducción a la Teoría de Probabilidad

Clase 4: Probabilidades de un evento

1.4 Cálculo de Probabilidades con Métodos de Conteo. Considerere un espacio muestral finito,

Física Estadística. Tarea 8. A entregar: Miércoles 29 de abril de 2015.

Técnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S.

ANALISIS COMBINATORIO.

Elementos de Combinatoria

Ejercicios de combinatoria resueltos. Matemática Discreta. 4º Ingeniería Informática

Lección 22: Probabilidad (definición clásica)

Operaciones con polinomios

2. Probabilidad. Estadística. Curso Ingeniería Informática. Estadística (Aurora Torrente) 2. Probabilidad Curso / 24

Matrices equivalentes. El método de Gauss

ESTIMACIÓN. puntual y por intervalo

ÍNDICE DISEÑO DE CONTADORES SÍNCRONOS JESÚS PIZARRO PELÁEZ

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad

CPE (SEGUNDO CURSO) PRÁCTICA 0 SOLUCIONES (Curso )

Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II

Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7

Ejercicios Resueltos Combinatoria. 1. De cuántas maneras pueden sentarse 10 personas en un banco si hay 4 sitios disponibles?

Probabilidad. Relación de problemas 5

Ecuaciones de primer grado con dos incógnitas

Estadística 2º curso del Grado en Ciencias de la Actividad Física y el Deporte. ---o0o--- Introducción a la Inferencia Estadística

Problemas resueltos de combinatoria

ANÁLISIS DE UN JUEGO DE CARTAS: LAS SIETE Y MEDIA

Selectividad Junio 2008 JUNIO 2008 PRUEBA A

13Soluciones a los ejercicios y problemas PÁGINA 280

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde

1. Producto escalar, métrica y norma asociada

Soluciones de los ejercicios de la primera Unidad. Dr. Jorge Martín Dr. José Antonio Carrillo

T.1 CONVERGENCIA Y TEOREMAS LÍMITE

TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES

1. MEDIDAS DE TENDENCIA CENTRAL

Tema 3. Espacios vectoriales

Lección 9: Polinomios

Un juego de cartas: Las siete y media

Tema 2. Espacios Vectoriales Introducción

Introducción a la Estadística y a la Probabilidad Tercer examen. Capítulo 5 y 6. Viernes 5 de febrero del 2010.

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

Ayudantía 4 Probabilidades ILI-280 Estadística Computacional. Profesor: Rodrigo Salas Ayudantes: Juan Pablo Cares Pino Fernando Herrera Barría

Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II

Definición Se llama suceso aleatorio a cualquier subconjunto del espacio muestral.

Esta es la forma vectorial de la recta. Si desarrollamos las dos posibles ecuaciones, tendremos las ecuaciones paramétricas de la recta:

Tenemos 3 formas de juego, la bolsa de acciones, la polla y la polla extraordinaria.

Ejercicios Resueltos de Teorema Central de Límite (TCL) Ejercicios 1 y 2: Resolución de Ejercicios propuestos del Tema 5.

1 Espacios y subespacios vectoriales.

Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I

Tema 2: Muestreo. Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales

Aplicaciones Lineales

Qué son los monomios?

Selectividad Septiembre 2009 SEPTIEMBRE Opción A

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

Un problema sobre repetidas apuestas al azar

Datos del autor. Nombres y apellido: Germán Andrés Paz. Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina

Capítulo 7: Distribuciones muestrales

Cuantos números de tres cifras distintas se pueden formar con las nueve cifras significativas del sistema decimal?

Selectividad Septiembre 2006 SEPTIEMBRE 2006

Tema 3. Concepto de Probabilidad

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1

T.3 ESTIMACIÓN PUNTUAL

Tema 7: Estadística y probabilidad

Análisis de medidas conjuntas (conjoint analysis)

Introducción a la Probabilidad

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA

Informática Bioingeniería

Curso Taller de Matemáticas Olímpicas. Principio Fundamental del Conteo

Métodos generales de generación de variables aleatorias

Descomposición factorial de polinomios

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

Lección 4: Suma y resta de números racionales

EJERCICIOS DE PROBABILIDAD

Lección 24: Lenguaje algebraico y sustituciones

Puede dar pérdida un Casino?

Capítulo 10 Combinaciones y permutaciones

La Lección de hoy es sobre determinar el Dominio y el Rango. El cuál es la expectativa para el aprendizaje del estudiante LF.3.A1.

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales

Iniciaremos nuestro estudio de teoría combinatoria enunciando los principios aditivo y multiplicativo de conteo.

Ejercicios Resueltos de Probabilidad

LABORATORIO Nº 3 PRÁCTICA DE FUNCIONES EN MICROSOFT EXCEL

JUEGOS DE AZAR. Comprende y pone en práctica la probabilidad en juegos de azar

Pruebas de Acceso a las Universidades de Castilla y León

FICHERO DE AYUDA DEL PROGRAMA MEGAPRIMI

Manual para la utilización de PrestaShop

PARTE 1 PROBLEMAS PROPUESTOS FACTORIAL Calcular:

Estimación de una probabilidad

UNIVERSIDAD DE ATACAMA

Definición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Orbitales híbridos. Cajón de Ciencias

FICHERO DE AYUDA DEL PROGRAMA MEGAEURO

28 = =

no descompone no descompone no descompone

Tema 5. Variables aleatorias discretas

Tema 3: Variable aleatoria 9. Tema 3: Variable aleatoria

ESTADÍSTICA SEMANA 4

COMBINACIONES página 29 COMBINACIONES

todas especialidades Soluciones de las hojas de problemas

Espacios generados, dependencia lineal y bases

ANÁLISIS DE DATOS NO NUMERICOS

Transcripción:

Probabilidad y Estadística

Conteo con reemplazamiento Considerando ahora un experimento en que una bola, seleccionada de una caja con n bolas, se regresa a la misma caja. Si se hace un total de k selecciones de esta forma, el espacio muestral S contiene todos los vectores de la forma: A este proceso se le llama muestreo con reemplazamiento. Como existen n posibles resultados para cada una de las bolas/selecciones, el número total de vectores en S es

Conteo con reemplazamiento Si en el experimento anterior quisieramos saber la probabilidad del evento A en que cada una de las k bolas seleccionadas sean distintas. El número de vectores donde los k componentes son distintos está dado por Como el tamaño del espacio muestral es la probabilidad del evento es, entonces

Métodos de conteo Ejemplo: El problema del cumpleaños (versión simplificada) Un planeta gira alrededor del sol en 3 días. Cuál es la probabilidad de que Manolo y Juan cumplan años en diferente fecha (sin considerar el año) en ese planeta? Las posibilidades son: Y la probabilidad de cada uno de estos resultados es:

Métodos de conteo Problema del cumpleaños: Cuál es la probabilidad de que al menos dos personas de un grupo de k personas (2< k < 365) hayan nacido el mismo día (festejen su cumpleaños). Supongamos que los nacimientos son independientes (gemelos son excluidos!). Entonces para cada una de las k personas hay 365 posibilidades. Por tanto, el espacio muestral es

Métodos de conteo La probabilidad de que todos los cumpleaños sean distintos es Así pues, la probabilidad de que al menos dos personas tengan el mismo día su cumpleaños es

Métodos de conteo Combinaciones Supongamos que tenemos un conjunto con n distintos elementos (distinguibles), de los cuales escogemos k elementos. Cuál es el número de subconjuntos diferentes que se pueden formar con los n elementos? En este problema el orden de los elementos es irrevelante No hay dos combinaciones que tengan los mismo elementos

Métodos de conteo (combinaciones) Cada subconjunto se trata como una unidad y a ésta se le llama combinación. El número de combinaciones se denota por: (n combinación k) Ejemplo: un conjunto contiene los elementos a,b,c,d. Cuál es el número de subconjuntos de 2 elementos que podemos formar? Respuesta: {a,b},{a,c},{a,d},{b,c},{b,d},{c,d}

Métodos de conteo (combinaciones) Ejemplo: Se quiere seleccionar un comité de 8 personas de un grupo de 20. Cuál es el número de comites que pueden formarse? Respuesta: número de combinaciones de 8 elementos tomados de un grupo de 20.

Métodos de conteo (combinaciones) Teorema del binomio

Métodos de conteo (combinaciones) Ejemplo: Supongamos que lanzamos una moneda 10 veces y queremos determinar a) la probabilidad de obtener 3 caras exactamente b) la probabilidad de obtener 3 caras, o menos

Métodos de conteo (combinaciones) Ejemplo (usando regla de multiplicación): En una clase hay 15 hombres y 30 mujeres. De estos 45 estudiantes, 10 serán seleccionados aleatoriamente. Cuál es la probabilidad de que 3 hombres sean seleccionados?

Métodos de conteo (combinaciones) Ejemplo (playing cards): Un paquete de 52 cartas se distribuyen entre 4 jugadores, de modo que cada jugador recibe 13 cartas. Si el paquete contiene 4 aces, determinar la probabilidad de que cada jugador reciba un as.

Coeficientes multinomiales Generalización de los coeficientes binomiales. Veamos antes un ejemplo: Supongamos que con 20 personas se forman 3 comités: A, B y C. Los comités A y B tendrán 8 miembros, mientras que C tendrá 4 miembros. Cuál es el número de formas posibles en que las 20 personas pueden repartirse en cada uno (y sólo uno) de los comités?

Coeficiente multinomiales Supongamos que tenemos n elementos distintos que serán repartidos en k grupos, de modo que para, el j-ésimo grupo contiene exactamente elementos, donde Entonces, el número de formas distintas en que los n elementos pueden repartirse entre los k grupos puede obtenerse de la siguiente forma: a) Los elementos del primer grupo pueden seleccionarse de los n elementos disponibles de formas.

Coeficientes multinomiales b) Los elementos del segundo grupo pueden seleccionarse de los restantes elementos de formas distintas. De aquí que el número total de formas distintas de seleccionar los dos primeros grupos es c) Continuando con este procedimiento para el tercer grupo tenemos formas posibles de escoger elementos y un total de formas para los 3 grupos

Coeficientes multinomiales Por lo tanto, el número total de modos distintos de seleccionar/repartir n elementos en k grupos es Al número coeficiente multinomial se le llama

Coeficientes multinomiales Ejemplo En un paquete de cartas (52 cartas), 13 son corazones. Suponga que las cartas serán repartidas entre 4 jugadores A, B, C y D. De modo que cada jugador recibirá 13 cartas. Cuál es la probabilidad de que el jugador A reciba 6 corazones, el jugador B, 4 corazones; C, 2 corazones y el jugador D, un corazón?

Combinaciones (con reemplazamiento) Así como hemos visto en el caso de las permutaciones, ahora nos preguntamos por el número de combinaciones de k elementos seleccionados de n con reemplazamiento. Antes veamos un ejemplo para ver que hay una relación uno a uno entre el número de combinaciones de tamaño k (de n objetos) con reemplazamiento y el número de combinaciones de muestras de tamaño k (de n+k-1 objetos), sin reemplazamiento.

Combinaciones (con reemplazamiento) Consideremos 3 bolas con los números 1, 2 y 3: es decir, n=3 y k=3

Combinaciones (con reemplazamiento) 1,1,1 -------- 1,2,3 1,1,2 -------- 1,2,4 1,1,3 -------- 1,2,5 1,2,2 -------- 1,3,4 1,2,3 -------- 1,3,5 1,3,3 -------- 1,4,5 2,2,2 -------- 2,3,4 2,2,3 -------- 2,3,5 2,3,3 -------- 2,4,5 3,3,3 -------- 3,4,5 Muestras con reemplazo Muestras sin reemplazo k=3, n=3 k=3, n+k-1=5

Combinaciones (con reemplazamiento) Es decir, el número de combinaciones con reemplazamiento de k objetos seleccionados de n está dado por

Enfoque físico Supongamos que tenemos k partículas indistinguibles que queremos repartir en n niveles (cajas) distinguibles De cuántas formas distintas se pueden repartir las partículas?

Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Un sistema contiene un número de partículas N. La estructura del sistema es tal que existen R niveles de energía, con energías y cada nivel de energía contiene (degeneración) estados cuánticos. Encuentre el número de formas posibles en que las partículas se pueden repartir entre los estados cuánticos, tal que el i-ésimo nivel de energía contenga partículas, bajo las siguientes condiciones:

Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi a) Las partículas son distinguibles y no hay restricción alguna en el número de partículas en cada estado. b) Las partículas son indistinguibles y no hay restricciones en cuanto al número de partículas en cada estado. c) Las partículas son indistinguibles con un máximo de una partícula en cada estado.

Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi

Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Olvidémonos por un momento de la degeneración en cada nivel. Caso a: Si las partículas son distinguibles entonces ya sabemos el resultado: recién hemos visto el número de formas distintas en que n objetos pueden repartirse en k grupos (en nuestro caso k=r). De aquí que es el número de arreglos distintos que podemos hacer con las N partículas

Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Caso b: Ahora, si las N partículas son indistinguibles de cuántas formas distintas se pueden repartir éstas en los R niveles, con partículas en cada nivel : De una sóla forma!

Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Ahora vamos a considerar la degeneración. Llamemos al número de formas en que las partículas pueden distribuirse/acomodarse en el i- ésimo nivel de energía. De esta forma el número de posibles formas distintas en que las N partículas pueden repartirse en los R niveles con partículas por nivel es: Partículas distinguibles Partículas indistinguibles

Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Nos resta tener una expresión para Caso a: Como no hay restricción en el número de partículas en cada estado, cada partícula en el i-ésimo nivel puede estar en cualquiera de los estados, i.e.,

Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Por lo tanto, para el caso a, tenemos finalmente que Esta es la llamada estadística de Maxwell-Boltzmann que se utiliza en mecánica estadística clásica.

Estadística de Maxwell-Boltzmann, Bose- Einstein y Fermi Caso b: Ahora las partículas son indistinguibles y no hay restricción en el número de partículas en cada estado. Por tanto: Estadística de Bose-Einstein