Combinatoria y definiciones básicas de probabilidad

Documentos relacionados
Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.

Probabilidad FENÓMENOS ALEATORIOS

2 FUNDAMENTOS DE PROBABILIDAD

CI2612: Algoritmos y Estructuras de Datos II. Espacio de probabilidad. Objetivos. Blai Bonet

Construcción de los números reales.

Sumatoria, Progresiones y Teorema del Binomio

SEMANA 01. CLASE 01. MARTES 04/10/16

/ n 0 N / D(f) = {n N / n n 0 }

1. Propiedades de los estimadores

Probabilidad. Departamento de Análisis Matemático Universidad de La Laguna. 1. Introducción 1

CÁLCULO DE PROBABILIDADES :

CAPÍTULO I. Conceptos Básicos de Estadística

MEDIDAS DE TENDENCIA CENTRAL. _ xi

NOCIONES FUNDAMENTALES DEL CÁLCULO DE PROBABILIDADES

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas

4. CONCEPTO BASICOS DE PROBABILIDADES

Coeficientes binomiales

9. Hallar un número de cuatro cifras que sea igual al cubo de la suma de las cifras.

I VARIACIONES. Una variación es un arreglo ordenado de n objetos diferentes, tomados de r a la vez se denota por medio de:

PROBABILIDAD. El espacio muestral de un experimento aleatorio es el conjunto de todos los resultados posibles que pueden producirse.

Rudimentos 5: Teorema del Binomio Profesor Ricardo Santander

Combinatoria. Tema Principios básicos de recuento

Tenemos k objetos distintos para distribuir en n cajas distintas con

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

bc (b) a b + c d = ad+bc a b = b a

Tema 3: Técnicas de contar

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi

R. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Axioma 1 (Principio de inducción matemática) Sea S N con la propiedad que: a) 1 S. b) k R, k S k + 1 S. Entonces S = N.

CONTEO. 1. Principios básicos

Importancia de las medidas de tendencia central.

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

, como el cociente = (n k)!k! Propiedades de los números combinatorios: n k = n. k x n k y k +... ( ) Dando valores x=y=1, se obtiene la igualdad n

Guía 1 Matemática: Estadística NM 4

Técnicas de contar MATEMÁTICA DISCRETA I. F. Informática. UPM. MATEMÁTICA DISCRETA I () Técnicas de contar F. Informática.

Pregunta Notas algún patrón al construir esta tabla? Puedes expresar esta tabla como un árbol binario?

Capítulo VARIABLES ALEATORIAS

1.3 Introducción a la combinatoria

5 Variables aleatorias bidimensionales y de mayor dimension.

INTRODUCCIÓN A LA PROBABILIDAD

1. El teorema del binomio

es un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t.

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO

SUCESIONES Y SERIES Una sucesión es un conjunto de números ordenados bajo cierta regla específica. 7, 10, 13, 16, 19, 22, 25,...

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:

Identificación de Sistemas

Para resolver una probabilidad con la distribución binomial se aplica la siguiente fórmula

Resolución N 2. Axiomas de Probabilidades. Ejercicios Resueltos. Profesor: Iván Rapaport Z. Auxiliar: Abelino Jiménez G.

Preguntas más Frecuentes: Tema 2

Series infinitas de números reales. Series convergentes

Series alternadas Introducción

Criterios de Convergencia

1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.

1 EXPRESIONES ALGEBRAICAS

INSTITUTO TECNOLÓGICO DE APIZACO TÉCNICAS DE CONTEO

1. QUÉ ES LA ESTADÍSTICA?

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

Criterios de Convergencia

Evaluación NOMBRE APELLIDOS CURSO Y GRUPO FECHA CALIFICACIÓN. 9. Límite y continuidad

Números naturales, enteros y racionales

- Fernando Sánchez - Departamento de Matemáticas - Universidad de Extremadura

MEDIDAS DE DISPERSIÓN.

(a n a n+1 ) n(n + 1) = Comprobar que las siguientes series no son convergentes. ( 1) n. 2 n+2 3 n 2,

1. Serie de Potencias

PyE_ EF2_TIPO1_

Tema 4. Estimación de parámetros

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

MODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Julián de la Horra Departamento de Matemáticas U.A.M.

Entrenamiento estatal.

SOLUCIONES DE LAS ACTIVIDADES Págs. 23 a 43

Teorema del binomio y su demostración por inducción matemática

SESION 15 DISTRIBUCIONES DE MUESTREO

Notas de Combinatoria Daniel Penazzi

4. Sucesiones de números reales

. Una de las aplicaciones más importantes de los coeficientes binomiales es el Binomio de Newton : n k)

Para obtener el número total de los resultados, es necesario desarrollar algunas técnicas de conteo, las cuales son: Permutaciones. Combinaciones.

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS

Ejercicio 1: Un embalaje contiene 9 cajas de CDs. Las 9 cajas tienen la siguiente composición:

En esta tema sentaremos las bases del muestreo estadístico y estudiaremos las distribuciones de algunos estadísticos a partir de una muestra.

Números naturales, enteros y racionales

Solución del Examen Extraordinario de Algebra y Matemática Discreta, Primer Curso, Facultad de Informática

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 8 CONSERVACIÓN DE LA CANTIDAD DE MOVIMIENTO LINEAL

Sucesiones de números reales

Población Joven Adulta Total A favor En contra Total

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

MODELOS DE PROBABILIDAD Y MUESTREO ALEATORIO Julián de la Horra Departamento de Matemáticas U.A.M.

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias

Álgebra I Práctica 3 - Números enteros (Parte 1)

5.6 Serie de Fourier de funciones pares e impares (desarrollo cosenoidal o senoidal)

valor absoluto de sus términos, se tiene la serie: que si es convergente, entonces también es convergente la serie alternada.

TEMA 2: DISTRIBUCIONES DE PROBABILIDAD

Qué es la estadística?

Medidas de tendencia central

Tema 12: IDEA DE PROBABILIDAD

FUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y

La Probabilidad. Heraldo Gonzalez S.

2.- ESPACIOS VECTORIALES. MATRICES.

Negativos: 3, 2, 1 = 22. ab/c 11 Æ 18

Transcripción:

Combiatoria y defiicioes básicas de probabilidad

Defiicioes de probabilidad Probabilidad como ituició Probabilidad como la razó de resultados favorables Probabilidad como medida de la frecuecia de ocurrecia Defiició axiomática de la probabilidad

Probabilidad como ituició E este modelo, la probabilidad iteta predecir evetos co base e la ituició. Por ejemplo, mañaa lloverá o él está maejado muy rápido.

Probabilidad como la razó de resultados favorables E esta líea de razoamieto, la cual es o experimetal, la probabilidad de u eveto puede ser calculada a priori a través del cálculo del úmero de maeras e que u determiado eveto E puede ocurrir seguido por el cálculo de la razó N E /N, dode N represeta el cojuto de todos los resultados posibles. Este modelo supoe que todos los resultados so igualmete probables.

Probabilidad como medida de la frecuecia de ocurrecia Sea E ua colecció de resultados que posee u cierto atributo. Supoga que u experimeto o juego es repetido N veces y que N E represeta el úmero de veces que el resultado E fue obteido. La razó P( A) E lim para N suficietemete grade se defie como la probabilidad de A.

Defiició axiomática de la probabilidad La probabilidad P[ ] asiga a cada eveto E e el uiverso de posibilidades u úmero P[E], llamado la probabilidad de E, tal que: 1. P[E] 0 2. P[] = 1 3. P[EF] = P[E] + P[F] si EF =.

Defiició axiomática de la probabilidad Los tres axiomas básicos de la probabilidad so suficietes para establecer toda ua serie de defiicioes básicas. E particular: 4. P[] = 0 5. P[E] = 1 - P[E C ] 6. P[EF C ] = P[E] - P[EF] 7. P[E F] = P[E] +P[F] - P[EF]

Defiició axiomática de la probabilidad j i i i i i E E E P E P si 1 1 El último resultado de la lámia aterior os permite escribir la cota superior del operador uió como sigue: Por lo que, i i i i E P E P 1 1

Probabilidad cojuta Supoga que se realiza experimetos del estado del tiempo e la ciudad de México. E particular estamos iteresados e tres evetos A, B, C, tales que: A es el eveto e que e u cierto día la temperatura ambiete estuvo por ecima de los 15C; B es el eveto e que e u determiado día haya caído ua precipitació pluvial superior a los 8 milímetros y; C es el eveto e que e u determiado día tato A como B haya acotecido.

Probabilidad cojuta Puesto que C es u eveto, P[C] es su probabilidad de ocurrecia de acuerdo a las defiicioes axiomáticas dadas ateriormete. Pero P[C] = P[AB]. Por lo que defiimos el úmero P[AB] como la probabilidad cojuta de los evetos A y B. Claramete, la probabilidad cojuta puede ser extedida a más de dos evetos, por ejemplo, P[EFG] es la probabilidad cojuta que E, F, y G ocurra simultáeamete.

Probabilidad cojuta Supoga ahora que i deota el úmero de días (veces) que el eveto i ha ocurrido. Etoces, a través de u período de 1000 días ( = 1000) se hiciero las siguietes observacioes: A = 811, B = 306, AB = 290. Utilizado el modelo de frecuecia de evetos de la probabilidad cocluimos: 811 A P A 0. 1000 306 B P B 0. 1000 290 AB P AB 0. 1000 811 306 29

Probabilidad Codicioal Cosidere ahora el cociete AB / A. Este valor represeta la frecuecia co la cual el eveto C = AB ocurrió cuado A acoteció. E palabras, es el úmero de días e que la catidad de lluvia excedió 8 milímetros e aquellos días e los cuales la temperatura excedió los 15C. Note que: AB A AB A / / P P AB A Por lo que se puede defiir el cocepto de probabilidad codicioal P[B A] como: PB A AB A P, P P A 0

Probabilidad icodicioal E muchos problemas de igeiería coviee calcular probabilidades icodicioales, P[B], de u eveto B e térmios de la suma poderada de probabilidades codicioales. Teorema Supoga que A 1, A 2,, A so evetos mutuamete excluyetes, esto es, i, se tiee A i i1. Etoces, co P[A i ]0 para toda B PB A PA PB A P P 1 1 A

Probabilidad icodicioal: ejemplo Para El caal simétrico biario mostrado e la figura, calcule P[Y=0] y P[Y=1]. X=0, P[X=0]=1/2 0.9 0.1 Y = 0 X=1, P[X=1]=1/2 0.9 0.1 Y = 1

Probabilidad icodicioal: ejemplo Para El caal simétrico biario mostrado e la figura, calcule P[Y=0] y P[Y=1]. X=0, P[X=0]=1/2 0.9 0.1 Y = 0 X=1, P[X=1]=1/2 0.9 0.1 Y = 1 P[Y = 0] = P[Y = 0 X = 0]P[X = 0] + P[Y = 0 X = 1]P[X = 1] = (0.9)(0.5) + (0.1)(0.5) = 0.5 = P[Y=1]

Idepedecia Se dice que dos evetos A, B co P[A] > 0 y P[B] >0 so idepedietes, si y sólo si P[AB] = P[A]P[B]. Puesto que e geeral, P[AB] = P[B A]P[A] = P[A B]P[B], se cocluye que para evetos idepedietes se cumple que: P[A B] = P[A] y P[B A] = P[B] Tres evetos so idepedietes si y sólo si: P[ABC] = P[A]P[B]P[C] y P[AB] = P[A]P[B]; P[AC] = P[A]P[C]; P[BC] = P[B]P[C]

Nuevamete el caal biario simétrico Para el caal simétrico biario mostrado e la figura, sabiedo que u 1 ha sido recibido Cuál es la probabilidad que u 1 fue trasmitido? X=0, P[X=0]=P 0 1- Y = 0 X=1, P[X=1]=1- P 0 =P 1 1- Y = 1

Nuevamete el caal biario simétrico Sabiedo que u 1 ha sido recibido Cuál es la probabilidad que u 1 fue trasmitido? 1- X=0, P[X=0]=P 0 Y = 0 X=1, P[X=1]=1- P 0 =P 1 P1 P X 1- Y = 1 P X 1, Y 1 1 Y 1 PY 1 PY 1 X 1P X 1 1 X 1P X 1 PY 1 X 0PX 0 P1 1 1 P P Y 0

Nuevamete el caal biario simétrico P X P P X 1, Y 1 1 Y 1 PY 1 PY 1 X 1P X 1 1 X 1P X 1 PY 1 X 0PX 0 P1 1 1 P P Y 1 0

Ejemplo: prueba de cácer Supoga que existe ua prueba de cácer co las siguietes propiedades. Sea: A := Eveto que la prueba dictamie que el paciete tiee cácer B := Eveto que la persoa tiee cácer A C := Eveto que la prueba dictamie que el paciete está sao B C := Eveto que la persoa está saa Se cooce que P[A B] = P[A C B C ] =0.95 y P[B] = 0.005. Es la prueba cofiable?

Ejemplo: prueba de cácer Supoga que existe ua prueba de cácer co las siguietes propiedades. Sea: A := Eveto que la prueba dictamie que el paciete tiee cácer B := Eveto que la persoa tiee cácer A C := Eveto que la prueba dictamie que el paciete está sao B C := Eveto que la persoa está saa Se cooce que P[A B] = P[A C B C ] =0.95 y P[B] = 0.005. P B A P Es la prueba cofiable? P BP A B C C A BPB PA B PB 0.005 0.95 0.005 0.95 0.050.95 0.087 Sólo e el 8.7% de los casos se da el diagóstico correcto!

Combiatoria Cosidera ua població de elemetos a 1, a 2,, a. Cualquier arreglo ordeado a k1, a k2,,a kr de r símbolos se cooce como ua muestra ordeada de tamaño r. Cosidera ua ura geérica que cotiee pelotas umeradas. Preguta De cuátas maeras se puede formar muestras ordeadas de tamaño r? Se cosiderara dos casos.

Muestras co reemplazo Después que se extrae ua pelota de la ura su úmero es aotado y después la pelota es regresada a la ura. Note que para la primera muestra hay opcioes, y para la seguda, tambié opcioes. Por lo tato para ua població de elemetos, existe r muestras ordeadas de tamaño r que puede ser formadas. Ejemplo: Cuátas cotraseñas se puede formar utilizado el alfabeto iglés [26 letras] y u tamaño fijo de 8 caracteres? 26 8.

Muestras si reemplazo Después que cada pelota es extraída, o se vuelve a regresar a la ura. Note que para la primera muestra hay opcioes, para la seguda, -1 opcioes, etc. Por lo tato para ua població de elemetos, existe. P(, r) 1 2 r 1 r! r! Ejemplo: De cuátas maeras se puede seleccioar tres libros de u total de 10? (10) 3 = 10*9*8= 720.

Combiacioes Preguta frecuete e probabilidad: Cuátos grupos, esto es, sub-poblacioes de tamaño r puede ser formados de ua població total de tamaño? Por ejemplo, supoga que se tiee 6 pelotas umeradas, cuátos grupos de tamaño 2 puede ser formados? 12 23 34 45 56 13 24 35 46 14 25 36 15 26 16

Combiacioes Note que el resultado aterior es diferete del úmero de muestras ordeadas que puede ser formadas si reemplazo: 12 21 31 41 51 61 Co reemplazo 11 21 31 41 51 61 13 23 32 42 52 62 12 22 32 42 52 62 14 24 34 43 53 63 13 23 33 43 53 63 15 25 35 45 54 64 14 24 34 44 54 64 16 26 36 46 56 65 15 25 35 45 55 65 16 26 36 46 56 66

Combiacioes Ua fórmula geeral para el úmero de subpoblacioes C(, r) de tamaño r e ua població de tamaño puede ser calculada como sigue. Ya coviimos que el úmero de muestras ordeadas de tamaño r que se puede formar es P(,r). Cosidere ua subpoblació específica de tamaño r. Para este grupo hay r! diferetes muestras ordeadas, por lo tato se puede escribir: C(, r) r! = P(,r). Es decir: C, r r! r! ( r)! r! r

Teorema del Biomio k k k b a k b a 0 Ua fórmula muy famosa que se remota a los tiempos de Newto se cooce como el teorema del biomio: Co ayuda del teorema del biomio se puede demostrar [pero, cómo?] k k 0 2

Distribució biomial Beroulli Supoga que la probabilidad que u eveto ocurra es p y que o ocurra es q = 1-p. Cosidere además que se realiza u total de experimetos Beroulli, de los cuales k so exitosos y el resto so fracasos. Preguta: Cuál es la probabilidad de observar exactamete k éxitos? Ua posibilidad sería: ppp pqqq q = p k q -k Pero cuátas posibilidades hay e total? Respuesta e la próxima lámia

Distribució biomial Beroulli k k k k q p k q p k C p k b ), ( ), ; ( N = 10; P= 2/3.