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

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

2 FUNDAMENTOS DE PROBABILIDAD

4 - DESIGUALDAD DE CHEBYSHEV- LEY DE LOS GRANDES NUMEROS

INTRODUCCIÓN A LA PROBABILIDAD

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

PROBABILIDAD Y ESTADÍSTICA MAT-041 GUIA Nº2 PROBABILIDADES

Problemas de Sucesiones

CAPÍTULO XIV. SERIES NUMÉRICAS ARBITRARIAS

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

Rudimentos 5: Teorema del Binomio Profesor Ricardo Santander

Combinatoria y definiciones básicas de probabilidad

Importancia de las medidas de tendencia central.

Probabilidad FENÓMENOS ALEATORIOS

Unidad 10: LÍMITES DE FUNCIONES

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

4. CONCEPTO BASICOS DE PROBABILIDADES

Guía Semana 9 1. RESUMEN. Universidad de Chile. Ingeniería Matemática

3.8. Ejercicios resueltos

CAPÍTULO I. Conceptos Básicos de Estadística

METODO DE ITERACION DE NEWTON

PyE_ EF2_TIPO1_

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

INTEGRAL INDEFINIDA. MÉTODOS DE INTEGRACIÓN

Series de números reales

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

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.

Límite y Continuidad de Funciones.

INTEGRAL INDEFINIDA. MÉTODOS DE INTEGRACIÓN 2 1+ x dx

CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD. Es un hecho bien conocido que la probabilidad de que un individuo fallezca en un periodo

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

Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......

AMPLIACIÓN DE MATEMÁTICAS APLICACIONES.

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción

Álgebra I Práctica 3 - Números enteros (Parte 1)

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

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias

Cálculo de límites Criterio de Stolz. Tema 8

1. a) Mostrar que los siguientes conjuntos están acotados. x b) Mostrar que los siguientes conjuntos no están acotados superiormente

4.- Aproximación Funcional e Interpolación

Sumatoria, Progresiones y Teorema del Binomio

CAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica.

Construcción de los números reales.

Sucesiones de números reales

UNIVERSIDAD DE ATACAMA

Una ecuación diferencial lineal de orden superior general tendría la forma. (1) dx dx

RADICALES. Una raíz de índice n es una operación matemática que se define de la siguiente forma:

Polinomio de una sola variable. , llamaremos polinomio de la variable x a toda expresión algebraica entera de la forma:

Criterios de Convergencia

CAPITULO 1. Teorema del Binomio

Los números complejos

Sucesiones. Límite de una

Criterios de Convergencia

Los números irracionales

Hoja de Problemas Tema 3. (Sucesiones y series)

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

Aritmética. Introducción. De la definición anterior se pueden deducir las siguientes propiedades:

Ejercicios de intervalos de confianza en las PAAU

TALLER DE MATEMÁTICAS DESIGUALDADES

6. DISTRIBUCIONES MUESTRALES

Qué es la estadística?

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida

LIMITES DE FUNCIONES. Ejemplo: Sea la función F(x) = 3X 2, evalúe la función para valores de X cercanos a 2, es decir

4. Sucesiones de números reales

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

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

Series alternadas Introducción

DERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir:

Series de términos no negativos

Una suma se llama telescópica cuando es de alguna de las siguientes formas. Examinaremos la primera, siendo la segunda enteramente análoga.

Números naturales, enteros y racionales

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

TRABAJO DE GRUPO Series de potencias

LÍMITES DE FUNCIONES REALES CON TENDENCIA A REAL

Diseño de Conjuntos y Diccionarios con Hashing

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

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

Análisis del caso promedio El plan:

2 Conceptos básicos y planteamiento

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

PALABRAS CLAVES: Cadena de Markov, Martingala y Valores propios.

1. Intervalos de Conanza

con operacion inversa la resta (suma de opuestos) y una operacion producto escalar, que no es interna,

6. DISTRIBUCIONES MUESTRALES

1. Hallar un número cuadrado perfecto de cinco cifras sabiendo que el producto de esas cinco cifras es 1568.

Probabilidad con técnicas de conteo

MATEMÁTICAS 2º BACH. CC. SS. 4 de abril de 2006 Probabilidades

MEDIDAS DE TENDENCIA CENTRAL. _ xi

Guía: Propiedades de las potencias SGUIC3M020MT311-A17V1

Capítulo VARIABLES ALEATORIAS

Preposición 1: Si s es cota superior de A y además s pertenece a A, implica que s es Máximo y Supremo de A.

Estado gaseoso. Mezclas de gases ideales presión parcial de un gas en una mezcla de gases ideales ley de Dalton

- estimación de parámetros, - intervalos de confianza y

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Medidas de tendencia central

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

, 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

RESUMEN DE RESULTADOS IMPORTANTES ACERCA DE SUCESIONES Y SERIES

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

Luis González Abril y Luis M. Sánchez-Reyes {luisgon, - Dpto. Economía Aplicada I Universidad de Sevilla

Transcripción:

Resolució N 2 Axiomas de Probabilidades Profesor: Ivá Rapaport Z Auxiliar: Abelio Jiméez G Ejercicios Resueltos 1 Cierta efermedad se trasmite e forma geética de los padres a los hijos, del siguiete modo: Si sólo el padre preseta la efermedad, el hijo tedrá probabilidad β de presetarla (β (0, 1)) Si sólo la madre preseta la efermedad, el hijo tedrá probabilidad α de presetarla (α (0, 1)) Si ambos padres la preseta, el hijo la presetará co probabilidad 1 Además, cada uo de los padres tiee probabilidad p de presetar la efermedad, e forma idepediete etre ellos (p (0, 1)) (a) Si u tipo está efermo, ¾Cuál es la probabilidad de que la efermedad le haya sido trasmitida sólo por la madre? (b) Si hay dos hermaos, y uo de ellos está efermo, ¾Cuál es la probabilidad de que el otro hermao tambié esté efermo? Solució (a) Deamos los siguietes evetos: M: sólo la madre está eferma F: sólo el padre está efermo A: ambos (padre y madre) está efermos H: hijo está efermo Segú la iformació del euciado se tiee lo siguiete: P (H M) = α P (H F ) = β P (H A) = 1 Además se sabe que se tiee que la probabilidad de que la madre esté eferma (que es distito a decir que sólo la madre está eferma) es p, al igual que el padre e forma idepediete 1

Así se tiee que P (M) = P (madre eferma y padre o efermo) = P (madre eferma) P (padre o efermo) esto último por idepedecia 1 Pero P (madre eferma) = p luego P (padre o efermo) = 1 p Aálogamete se tiee que P (M) = p (1 p) P (F ) = p (1 p) Bajo el mismo aálisis de idepedecia se tiee que Se os pide calcular P (M H) Se tiee que P (M H) = P (H M) P (M) P (H) Luego, lo úico que falta por calcular es P (H) Para ello, ocuparemos probabilidades totales P (H) = P (H M) P (M) + P (H F ) P (F ) + P (H A) P (A) Etoces se tiee P (H) = α p (1 p) + β p (1 p) + 1 p 2 Fialmete se tiee que: P (M H) = α p (1 p) α p (1 p) + β p (1 p) + p 2 1 Si bie o se ha visto idepedecia e cátedra, esta es ua aplicació secilla del cocepto (Nivel de eseñaza media) 2

(b) Se os pide calcular P (H 2 H 1 ) Sabemos que P (H 2 H 1 ) = P (H 1 H 2 ) P (H 1 ) pero de la parte (a) sabemos que P (H 1 ) = α p (1 p) + β p (1 p) + p 2 por otra parte, usado probabilidades totales, se tiee: P (H 1 H 2 ) = P (H 1 H 2 M) P (M) + P (H 1 H 2 F ) P (F ) + P (H 1 H 2 A) P (A) pero, por idepedecia P (H 1 H 2 M) = α 2 P (H 1 H 2 F ) = β 2 luego P (H 1 H 2 A) = 1 Fialmete se tiee: P (H 1 H 2 ) = α 2 p (1 p) + β 2 p (1 p) + p 2 P (H 2 H 1 ) = α2 p (1 p) + β 2 p (1 p) + p 2 α p (1 p) + β p (1 p) + p 2 2 Pedro quiere eviar ua carta a María La probabilidad de que Pedro escriba la carta es 08; la probabilidad de que el correo o la pierda es 09 y la probabilidad de que el cartero la etregue es 09 Si María o recibió la carta, ¾Cuál es la probabilidad codicioal de que Pedro o la haya escrito? Solució 3

Deamos los siguietes evetos: P e: Pedro escribió la carta C O : Correo o pierde la carta C A : Cartero etrega la carta M: María recibe la carta Es importate observar que se tiee ua serie de sucesos ecadeados, de modo que las probabilidades que se preseta debe ser cosideradas de la siguiete forma: P (P e) = 0, 8 P (C O P e) = 0, 9 P (C A C O P e) = 0, 9 Además, para que María reciba la carta, debe darse todo lo aterior, es decir Se os pide calcular P (P e C M C ) Por deició se tiee que M = P e C O C A P (P e C M C ) = P (P ec M C ) P (M C ) Observemos que, dado que M = P e C O C A, etoces M P e, lo que implica que P e C M C, es decir P e C M C = P e C, luego P (P e C M C ) = P (P ec ) P (M C ) Usado las propiedades coocidas y la caracterizació de M, se tiee que pero P (P e C M C ) = 1 P (P e) 1 P (M) = 1 0, 8 1 P (P e C O C A ) P (P e C O C A ) = P (C A P e C O ) P (P e C O ) = P (C A P e C O ) P (C O P e) P (P e) es decir P (P e C O C A ) = 0, 9 0, 9 0, 8 4

se tiee almete que P (P e C M C ) = 1 0, 8 1 0, 9 0, 9 0, 8 3 Ua jarra cotiee cuadrados e blaco Ua persoa saca al azar uo: si está e blaco, lo marca y luego lo repoe, repitiedo esto hasta sacar uo marcado que es cuado aliza Calcula para cada k {1,, + 1} la probabilidad de ocurrecia del suceso la persoa aliza e la k-ésima extracció Solució Deamos los siguietes evetos A k : hasta la extracció k-ésima ha salido cuadros blacos B k : e la extracció k-ésima sale u cuadro blaco C k : e la extracció k-ésima sale u cuadro marcado De esta maera, la relació que se puede establecer etre los evetos deidos so: B k = C C k C k = C k k 1 B j = C k A k 1 j=1 Además sabemos que, si ha salido i-1 cuadros blacos, etoces la probabilidad de sacar u cuadro blaco e la i extracció es: es decir: Aálogamete se tiee Por otra parte, se tiee que i + 1 P (B i A i 1 ) = i + 1 P (C i A i 1 ) = i 1 P (C k ) = P (C k A k 1 ) = P (C k A k 1 )P (A k 1 ) 5

es decir P (C k ) = k 1P (A k 1) De modo que el cálculo de P (C k ) se reduce a calcular P (A k 1 ) Observemos que Así se tiee que A j = B j A j 1 es decir P (A j ) = P (B j A j 1 ) = P (B j A j 1 ) P (A j 1 ) P (A j ) = j + 1 Segú la característica del experimeto, se tiee que Así se tiee que P (A 2 ) = 2 + 1 iductivamete, se puede probar que Así se tiee que Fialmete se tiee P (A 1 ) = 1 P (A 1 ) = 1 P (A j ) = P (A j 1 ) 1 =! j ( j)! ( 1)! 2 = 2 ( 2)! P (C k ) = k 1P (A k 1) = k 1! k 1 ( k + 1)! (k 1)! P (C k ) = k ( k + 1)! 6