Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Nombre del alumno: Ulises Manzano Hernández Matricula: ES1921005869 Grupo: MT – MPRO1 – 2001 – B2 – 001 Materia: Probabilidad I Carrera: Licenciatura en Matemáticas Nombre de la Actividad: Actividad 1 “Conceptos” Nombre de la escuela: Universidad Abierta y a Distancia de México Nombre del profesor: Paula Garcia Leija Fecha de entrega: 6 al 12 de Abril de 2020 Ejercicios Introducción La probabilidad es una medida de la ceridumbre de que ocurre un evento. Su valor es un número entre 0 y 1, donde un evento imposible corresponde a cero y uno seguro corresponde a uno. Una forma empírica de estimar la probabilidad consiste en obtener la frecuencia con la que sucede un determinado acontecimiento mediante la repetición de experimentos aleatorios, bajo condiciones suficientemente estables. En algunos experimentos de los que conocen todos los resultados, la probabilidad de estos sucesos pueden ser calculadas de manera teórica, especialmente cuando todos son igualmente probables. La Teoría de ls Probabilidad es la rama de la matemática que estudia los experimentos o fenónemos aleatorios. Se usa exactamente en áreas como la estadística, la física, las ciencias sociales, la investigación médica, las finanzas, la economía y la filosofía para conocer la vialidad de sucesos y la mecánica subyacente de sistemas complejos. Es necesaria para describir los fenónemos cuanticos . Un descubrimiento revolucionario de la física de principios del siglo XX fue el carácter aleatorio de todos los procesos que ocurren a escalas subatómicas y que se rigen por las leyes de la mécanica cuántica. La función de onda objetiva evoluciona de forma determinista pero, según la interpretación de Copenhague, se trata de probabilidades de observar, explicándose el resultado por un colapso de la función de onda cuando se realiza una observación. Sin embargo, la perdida del determinismo en aras del instrumentalismo no cónto con la probabilidad universal. Albert Einstein famosamente remárco en una carta a Max Born: “Estoy convencido de que Dios no juega a los dados”. Al igual que Einstein, Erwin Schrödinger, que descubrio la función de onda, creía que la mécanica cuántica es una aproximación estadística de una realidad determinista subyacente. En algunas interpretaciones modernas de la mecánica estadística de la medición, se invoca la decoherencia cuántica para explicar la aparición de resultados experimentales subjetivamente probabilísticos. Desarrollo Tema Subtema Desarrollo resumido Definiciones/Simbología/Fórmulas Ejemplos In tr o d u c c ió n a l a P ro b a b il id a d Modelos determinísticos vs. aleatorios El experimento determinista es un experimento en el que se obtiene siempre el mismo resultado, bajo las mismas condiciones. Si conocemos las condiciones iniciales es posible predecir o reproducir el resultado del experimento. El experimento aleatorio es un experimento que puede dar lugar a varios resultados sin que puedan ser previsibles antes de realizar el experimento. Es decir, no se puede predecir o reproducir el resultado. Cada experiencia particular es única pues aun teniendo las mismas condiciones iniciales, los resultados pueden ser distintos. Ejemplo de un modelo deterministico: “Si lanzamos un objeto desde la misma altura y bajo las mismas condiciones ambientales, podemos saber exactamente el tiempo que tardará en llegar al suelo, la velocidad será la misma”. Ejemplo de un modelo aleatorio: “Lanzamiento de una moneda o de un dado”. Espacio muestral Se llama espacio muestral al conjunto de todos los posibles resultados en un experimento aleatorio. El espacio muestral se denota, generalmente, por la letra griega mayúscula ómega (Ω) o por la letra 𝑆 ( de space, en ingles), la elección del símbolo a utilizar depende del autor. Si el experimento aleatorio consiste en lanzar 2 monedas al aire al mismo tiempo y observar sus posibles resultados, entonces el espacio muestral se escribe como Ω = { (𝑐𝑎𝑟𝑎, 𝑐𝑎𝑟𝑎), (𝑐𝑎𝑟𝑎, 𝑐𝑟𝑢𝑧), (𝑐𝑟𝑢𝑧, 𝑐𝑎𝑟𝑎), (𝑐𝑟𝑢𝑧, 𝑐𝑟𝑢𝑧) } Eventos simples Dado un espacio muestral Ω, se llama evento a un subconjunto (no necesariamente propio) de Ω. Se llama evento simple al evento que consta de un solo elemento del espacio muestral. Los eventos se denotan comúnmente con letras mayúsculas del primer tercio del abecedario, esto es 𝐴, 𝐵, 𝐶, 𝐷, 𝐸 ⊆ Ω. Si estos eventos contienen más de un elemento, se llaman eventos compuestos. En el experimento del lanzamiento de un dado, sacar el número 1 se trata de un evento simple. Pero sacar un número mayor que 2 es un evento compuesto por cuatro eventos simples (3, 4, 5, 6). Álgebra de conjuntos Unión La unión de 𝐴 y 𝐵 es el conjunto de todos los elementos que pertenecen o bien a 𝐴 o a 𝐵. Simbolicamente 𝐴 ∪ 𝐵 = {𝜔 ∈ Ω: 𝜔 ∈ 𝐴 𝑜 𝜔 ∈ 𝐵}. Si tenemos 2 conjuntos que son: 𝑈 = {𝑥|𝑥 𝑒𝑠 𝑢𝑛 𝑑𝑖𝑔𝑖𝑡𝑜} 𝐴 = {𝑥 ∈ 𝑈|𝑥 < 5} 𝐵 = {𝑥 ∈ 𝑈|𝑥 𝑠𝑒𝑎 𝑝𝑟𝑖𝑚𝑜} Y cuyo resultado de estos 3 conjunto es: 𝑈 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} 𝐴 = {0, 1, 2, 3, 4} 𝐵 = {2, 3, 5, 7} Y al obtener la unión es: 𝐴 ∪ 𝐵 = {0, 1, 2, 3, 4} ∪ {2, 3, 5, 7} = {0, 1, 2, 3, 4, 5, 7} Intersección La intersección de 𝐴 y 𝐵 es el conjunto de todos los elementos en el espacio muestral Ω y sólo aquellos que pertenecen tanto a 𝐴 como a 𝐵. Simbolicamente 𝐴 ∩ 𝐵 = {𝜔 ∈ Ω: 𝜔 ∈ 𝐴 𝑦 𝜔 ∈ 𝐵}. Si tenemos 2 conjuntos que son: 𝑈 = {𝑥|𝑥 𝑒𝑠 𝑢𝑛 𝑑𝑖𝑔𝑖𝑡𝑜} 𝐴 = {𝑥 ∈ 𝑈|𝑥 < 5} 𝐵 = {𝑥 ∈ 𝑈|𝑥 𝑠𝑒𝑎 𝑝𝑟𝑖𝑚𝑜} Y cuyo resultado de estos 3 conjunto es: 𝑈 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} 𝐴 = {0, 1, 2, 3, 4} 𝐵 = {2, 3, 5, 7} Y al obtener la intersección es: 𝐴 ∩ 𝐵 = {0, 1, 2, 3, 4} ∩ {2, 3, 5, 7} = {2, 3} Diferencia La diferencia de 𝐴 y 𝐵 es el conjunto de aquellos elementos en el espacio muestral Ω que están en 𝐴 pero no están en 𝐵. Simbolicamente 𝐴 − 𝐵 = {𝜔 ∈ 𝛺: 𝜔 ∈ 𝐴 𝑦 𝜔 ∉ 𝐵}. Si tenemos 2 conjuntos que son: 𝑈 = {𝑥|𝑥 𝑒𝑠 𝑢𝑛 𝑑𝑖𝑔𝑖𝑡𝑜} 𝐴 = {𝑥 ∈ 𝑈|𝑥 < 5} 𝐵 = {𝑥 ∈ 𝑈|𝑥 𝑠𝑒𝑎 𝑝𝑟𝑖𝑚𝑜} Y cuyo resultado de estos 3 conjunto es: 𝑈 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} 𝐴 = {0, 1, 2, 3, 4} 𝐵 = {2, 3, 5, 7} Y al obtener la diferencia es: 𝐴 − 𝐵 = {0, 1, 2, 3, 4} − {2, 3, 5, 7} = {0, 1, 4} Complemento El complemento de 𝐴 es el conjunto de todos los elementos en el espacio muestral Ω que no pertenecen al conjunto 𝐴. Esto se denota como 𝐴𝑐 = {𝜔 ∈ Ω: 𝜔 ∉ 𝐴}. Si tenemos 2 conjuntos que son: 𝑈 = {𝑥|𝑥 𝑒𝑠 𝑢𝑛 𝑑𝑖𝑔𝑖𝑡𝑜} 𝐴 = {𝑥 ∈ 𝑈|𝑥 < 5} 𝐵 = {𝑥 ∈ 𝑈|𝑥 𝑠𝑒𝑎 𝑝𝑟𝑖𝑚𝑜} Y cuyo resultado de estos 3 conjunto es: 𝑈 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} 𝐴 = {0, 1, 2, 3, 4} 𝐵 = {2, 3, 5, 7} Y al obtener los complementos de cada conjunto es: 𝐴𝑐 = {0, 1, 2, 3, 4}𝑐 = {5, 6, 7, 8, 9} 𝐵𝑐 = {2, 3, 5, 7}𝑐 = {0, 1, 4, 6, 8, 9} E n fo q u e s p a ra e l c á lc u lo d e l a p ro b a b il id a d Enfoque clásico El enfoque clasico o “a priori” fue estudiado por Laplace; en este enfoque supone condiciones ideales en un experimento aleatorio y por lo tanto su uso es limitado, aunque nos brinda bases sólidas para el cálculo de probabilidades, y es un enfoque teorico y no requiere de llevar a cabo el experimento para estimar la probabilidad de ocurrencia de un evento aleatorio. El número de todos los resultados posibles de ese experimento es: 𝑃(𝐴) = #𝐴 #Ω Donde #𝐴 corresponde a cardinalidad del evento 𝐴 (o número de ocurrencia del evento 𝐴) y #Ω corresponde a cardinalidad del espacio muestral Ω y 𝑃(𝐴) representa la probabilidad de que ocurra el evento corresponde a cardinalidad del evento 𝐴. Tenemos un mazo de 52 cartas de una baraja francesa, que consta de 4 palos: corazones tréboles, diamantesy picas. Entonces la probabilidad de extraer un corazón, sabiendo que hay 13 cartas de cada palo es: #𝐴 = 13 𝑐𝑎𝑟𝑡𝑎𝑠 𝑑𝑒 𝑐𝑜𝑟𝑎𝑧𝑜𝑛𝑒𝑠 #Ω = 52 𝑐𝑎𝑟𝑡𝑒𝑠 𝑑𝑒 𝑙𝑜𝑠 4 𝑝𝑎𝑙𝑜𝑠 Y se obtiene lo siguiente: 𝑃(𝐴) = #𝐴 #Ω = 13 52 = 1 4 = 0.25 = 25% Por lo tanto, la probabilidad de las 13 cartas de corazones es de 25%. Enfoque frecuentista El enfoque de la frecuencia relativa se basa en la experimentación, se le conoce también como enfoque “a posteriori”. Este supera las limitaciones del enfoque clásico, que se limita a situaciones en las que hay un número Al programar el experimento en cualquier interfaz capaz de ofrecer una iteración netamente aleatoria, se puede comenzar a estudiar la probabilidad frecuencial del finito de resultados igualmente probables. Este enfoque es empírico y no teórico. Requiere realizar el experimento para estimar la probabilidad de ocurrencia de un evento aleatorio. Se realiza 𝑛 veces un experimento aleatoria y se observa la frecuencia de ocurrencia del evento 𝐴, se define la probabilidad de 𝐴, por: 𝑃(𝐴) = 𝑛(𝐴) 𝑛 Donde A es un evento de un espacio muestral Ω y 𝑃(𝐴) representa la probabilidad de que ocurra el evento 𝐴. fenómeno mediante una tabla de valores. Se aprecia el ejemplo, que es: “Un sobre de gomitas contiene 5 gomitas de cada color: azul, rojo, verde y amarillo. Se quiere determinar la probailidad que cada color tiene de salir tras una selección aleatoria”. Con su enfoque frecuencial: Iter. 10 100 1000 𝟏𝟎𝟔 0.3 0.17 0.235 0.253124 0.1 0.22 0.267 0.247561 0.4 0.27 0.211 0.254235 0.2 0.34 0.287 0.245080 Los datos numéricos corresponden a la expresión: 𝑁(𝑎) = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑐𝑢𝑟𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 Y su espacio muestral Ω, es: Ω = {𝑟𝑜𝑗𝑜, 𝑎𝑧𝑢𝑙, 𝑎𝑚𝑎𝑟𝑖𝑙𝑙𝑜, 𝑣𝑒𝑟𝑑𝑒} Se aprecian una dispersión considerable en las primeras iteraciones, al observarse frecuencias con hasta 30% de diferencias entre sí, lo cual es un dato muy elevado para un experimento que teoricamente posee eventos con igual posibilidad (Equiprobable). Pero a medida que creen las itreraciones los valores parecen ajustarse cada vez más a los presentados por la corriente teórica y lógica. Enfoque subjetivo En el enfoque subjetivo o intuitivo, en algunas situaciones, se presentan situaciones en las cuales no es posible realizar experimentos repetitivos y los cuales tampoco son igualmente probables. A diferencia de los 2 enfoques anteriores que son igualmente probables. A diferencia de los 2 enfoques anteriores que son objetivos y se sustentan en la teoría o en la experimentación, la probabilidad subjetiva tiene que ser con el criterio personal para medir la posibilidad de ocurrencia de un evento aleatorio, que se hace con base en ciertos criterios o experiencias sobre casos semejantes. Ejemplo 1: Si una persona intenta calcular la probabilidad de que mañana llueva bsándose en la experiencia que tiene del clima de esa zona, es una probabilidad sibjetiva porque la persona no está realizando ningún cálculo matemático, sino que se fundamenta en su intuición. Ejemplo 2: Es cuando un analista profesional determina, a partir de su experiencia previa, el porcentaje que tiene un equipo en ganar un trofeo. En este caso, el analista no está utilizando ningún modelo matemático para predecir el futuro, sino que su opinión está basada en su experiencia y su conocimiento del deporte. T é c n ic a s d e c o n te o Regla de la suma La regla de la suma es una de las reglas más simples que se utiliza en el cálculo de las probabilidades. Si una tarea consta de 𝑛 pasos distintos para realizarse y otra de 𝑚 pasos distintos, y si las 2 tareas en cuestión no son variables de realizarse juntas ni en sucesión, por ser mutuamente excluyentes, entonces el número total de maneras de realizar ambas tareas es 𝑚 + 𝑛. Otra manera de expresar lo anterior es: si 𝑃(𝐴) y 𝑃(𝐵) representan respectivamente las probabilidades para los eventos 𝐴 y 𝐵, entonces la probabilidad 𝑃(𝐴 ∪ 𝐵) de que ocurran 𝐴 o 𝐵, se obtiene por: • Si estos eventos son mutuamente exluyentes 𝐴 ∩ 𝐵 = ∅, 𝑃(𝐴𝐵) = 𝑃(𝐴) + 𝑃(𝐵). • Si 𝐴 ∩ 𝐵 ≠ ∅ entonces 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵). Queremos comprar chocolate, habiendo tres marcas en el supermercado: 𝐴, 𝐵 y 𝐶. El chocolate 𝐴 se vende de tres sabores: negro, con leche y blanco, además de haber la opción sin o con azúcar para cada uno de ellos. El chocolate 𝐵 se vende de tres sabores, negro, con leche o blanco, con la opción de tener o no avellanas y con o sin azúcar. El chocolate 𝐶 se vende de tres sabores, negro, con leche y blanco, con opción de tener o no avellanas, cacahuete, caramelo o almendras, pero todos con azúcar. En base a esto, la pregunta que se pretende responder es: ¿cuantas variedades distintas de chocolate se pueden comprar? 𝑊 = número de formas de seleccionar el chocolate 𝐴. 𝑌 = número de formas de seleccionar el chocolate 𝐵. 𝑍 = número de formas de seleccionar el chocolate 𝐶. El siguiente paso consiste en una simple multiplicación. 𝑊 = 3(2) = 6 𝑌 = 3(2)(2) = 12 𝑍 = 3(5) = 15 𝑊 + 𝑌 + 𝑍 = 6 + 12 + 15 = 33 variedades de chocolate diferentes. Regla del producto Si una tarea consta de 𝑛 pasos distintos para realizarse y otra de 𝑚 pasos distintos, y si ambas no son excluyentes sino que es posibles realizarlas juntas o en sucesión, entonces el total de pasos distintos (o formas) en que pueden efectuarse la primer tarea seguida por la segunda es de 𝑛𝑚. En un restaurante, el menú consiste en un plato principal, un segundo y postre. De platos principales tenemos 4, de segundos hay 5 y de postres hay 3. Entonces, 𝑚 = 4 para los platos principales, 𝑛 = 5 para los segundos y 𝑝 = 3 para los postres. Y asi pues, las combinaciones que ofrece este menú serían: 𝑀 = 𝑛𝑚𝑝 = (4)(5)(3) = 60 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖𝑜𝑛𝑒𝑠. Permutaciones Expresión para el cálculo de permutaciones. Representamos por 𝑛𝑃𝑘 o también como 𝑃𝑘 𝑛 el número de arreglos ordenados de 𝑘 elementos Hay un grupo de 10 personas y hay un asiento en el que solo pueden caber cinco, ¿de cuántas formas se pueden sentar? Se haría lo siguiente: distintos seleccionados de un conjunto 𝑋 el cual tiene 𝑛 elementos. 𝑛𝑃𝑘 = 𝑃𝑘 𝑛 = 𝑛(𝑛 − 1)(𝑛 − 2) ⋯ (𝑛 − 𝑘 + 1) Podemos representar la expresión para el cálculo de permutaciones usando notación factorial: 𝑛𝑃𝑛 = 𝑃𝑛 𝑛 = 𝑛! 𝑛𝑃𝑘 = 𝑃𝑘 𝑛 = 𝑛! (𝑛 − 𝑘)! , 𝑝𝑎𝑟𝑎 𝑛 > 𝑘. 10𝑃5 = 10! (10 − 5)! = 10! (5)! = 10! 5! = 10(9)(8)(7)(6)(5!) 5! = 10(9)(8)(7)(6) = 30240 Por lo tanto, tenemos 30240 formas diferentes de ocupar el banco. Combinaciones Las combinaciones de 𝑛 objetos (o cosas) distintos tomando 𝑘 de ellos a la vez, representan el número de subconjuntos diferentes de tamaño 𝑘 de ellos a la vez, representan el número de subconjuntos diferentes de tamaño 𝑘 que se pueden obtener con esos 𝑛 objetos. Las notaciones usales para combinaciones de 𝑛 en 𝑘 objetos son: 𝑛𝐶𝑚, ( 𝑛 𝑚 ) o 𝐶𝑚 𝑛 . Dado un conjunto con 𝑛 elementos distintos 𝑋 = {𝑥1, 𝑥2, 𝑥3, … , 𝑥𝑛} del cual nos interesa seleccionar 𝑘 elementos distintos (es decir, no los repetimos) en Un grupo de 10 personas quieren hacer limpieza en el barrio y se preparan para formar grupos de 2 miembros cada uno, ¿cuántos grupos son posibles? En este caso, 𝑛 = 10 y 𝑟 = 2, así pues, aplicando la fórmula: 10𝐶2 = 10! (10 − 2)! 2! = 10! (8)! 2! = 10! 2! 8! = 10(9)(8!) 2(1)(8!) = 90 2 = 45 Por lo tanto, tenemos 45 parejas distintas. donde 𝑘 ≤ 𝑛, entonces el número total de combinaciones se calcula por: 𝑛𝐶𝑚 = 𝐶𝑚 𝑛 = ( 𝑛 𝑚 ) = 𝑛! 𝑚! (𝑛 − 𝑚)! , 𝑝𝑎𝑟𝑎 𝑚 ≤ 𝑛 Conclusiones En estaactividad, realiza la investigación en donde obtenemos los temas que se va a ver en la unidad 1 “Introducción de la Probabilidad”, en donde se realiza primero la introducción de que se trata la Probabilidad, agregando la definición junto con algunos acontecimientos del pasado de que trata y al ultimo la teoria de la probabilidad, que es lo que vamos a ver en la siguiente unidad, despues de realizar la introducción, ahora se realiza la tabla en donde se realiza el resumen y ejemplos de caa uno de los temas que se va a ver en la unidad, los temas que son: los modelos deterministicos vs modelos aleatorios, los espacios muestrales, los eventos simples y compuestos, algebra de los conjuntos que este tema lo vimos en 2 materias de la carrera como en álgebra como en introducción al pensamiento matemático e introducción al álgebra superior en esta se encuentra las operaciones que son la unión, intersección, diferencia y complemento de conjuntos, los enfoques tiene 3 tipos como el clasico, fecuentista y subjetivo, y a partir del cálculo de las probabilidades se encuentra el cálculo de las tecnicas de conteo que son el principio de la suma, le princicpio del producto, las permutaciones y las combinaciones sin repetición; la información que saque se encuentra en los apuntes de la plataforma de la materia de la unidad 1 de Probabilidad I, y los ejemplos algunos se encuentra en los apuntes y otro en otras plataformas que son buenisimas, y con esto se termina la tabla de la unidad 1 de probabilidad I, y al final se esta escribiendo las conclusiones de esta actividad de la Unidad 1. Y con esto se termina la actividad. Bibliografía Anónimo. (2020). PDF. Obtenido de Ejemplo de Modelo de efectos aleatorios: https://estadistica- dma.ulpgc.es/GSRP/pdf/efectos_aleatorios_y_mixtos.pdf Anónimo. (2020). ProbabilidadyEstadística.net. Obtenido de Probabilidad subjetiva: https://www.probabilidadyestadistica.net/probabilidad-subjetiva/ AViila, E. (23 de Marzo de 2015). Prezi. Obtenido de Modelos Deterministicos: https://prezi.com/eof0nbtpr5sc/modelos- deterministicos/#:~:text=Un%20ejemplo%20cl%C3%A1sico%20de%20modelo,en%20un%20tubo%20con%20v ac%C3%ADo). editorial, E. (9 de Mayo de 2019). LideDer. Obtenido de Probabilidad frecuencial: concepto, cómo se calcula y ejemplos: https://www.lifeder.com/probabilidad-frecuencial/ Licencia Creative Commons Atribución. (21 de Junio de 2022). Wkipedia La Enciclopedia Libre. Obtenido de Probabilidad: https://es.wikipedia.org/wiki/Probabilidad Montagud Rubio, N. (31 de Octubre de 2019). Psicología y Mente. Obtenido de Técnicas de conteo: tipos, cómo utilizarlas y ejemplos: https://psicologiaymente.com/miscelanea/tecnicas-de-conteo ProbabilidadyEstadística.net. (2020). Obtenido de Evento simple (o suceso elemental): https://www.probabilidadyestadistica.net/evento-simple-suceso- elemental/#:~:text=Por%20ejemplo%2C%20en%20el%20experimento,4%2C%205%20y%206). UnADM. (6 de Abril de 2020). PDF. Obtenido de Unidad 1 "Introducción a la Probabilidad": file:///D:/UnADM/Clases%20Universidad/Semestre%202/Probabilidad%20I/U1_contenido.pdf Zapata, F. (27 de Julio de 2020). Lifeder. Obtenido de Probabilidad clásica: cálculo, ejemplos, ejercicios resueltos: https://www.lifeder.com/probabilidad-clasica/
Compartir