Professional Documents
Culture Documents
SEMESTRE: SEGUNDO
MATERIA: ESTADISTICA PARA LA ADMINISTRACION
EQUIPO #3
NOMBRE ALUMNOS:
Brenda de la Torre Galvn
Rosario Illiana Silva Castaeda
Jos Manuel Njera
Nelly Guadalupe Trejo
Nancy Margarita Jimnez Ros
Mayra Lizeth Gonzlez lozano
Lourdes del Rosario Gutirrez Huizar
Gisella Carolina Rodrguez Garca
TEORA DE CONJUNTOS
Operaciones con conjuntos
CONJUNTO
Es la reunin, agrupacin o coleccin de elementos bien definidos que tienen una propiedad en comn, este
fue inventado por Georg Cantor hace 100 aos.
Los objetos que componen al conjunto se llaman elementos o miembros, y se escriben con letras
minsculas a, b, x, y, etctera.
Ejemplo: Conjunto de los meses del ao que tiene menos de treinta das, solamente febrero pertenece a dicho
conjunto.
Conjuntos disjuntos. Se llaman conjuntos disjuntos aquellos que no tienen ningn elemento que pertenezca a
ambos al mismo tiempo.
Ejemplo: Los dos conjuntos siguientes: {x/x es un nmero natural} {x/x es un da de la semana}
Los conjuntos anteriores de llaman disjuntos ya que no tienen ningn elemento comn.
Cules son las operaciones entre conjuntos?
Unin de conjuntos. Es la unin de los elementos de dos o ms conjuntos, formando un nuevo
conjunto cuyos elementos son los elementos de los conjuntos originales, pero, cuando un elemento se
repite, dicho elemento entrar a formar parte del conjunto unin una sola vez; en esto se diferencia la unin
de conjuntos del concepto clsico de la suma, en la que los elementos comunes se consideran tantas
veces como estn en el total de los conjuntos.
EJEJMPLO
Dados los conjuntos: A = {d, f g, h} y B = {b, c, d, f}
La unin de dichos conjuntos ser: AUB= {d, f, g, h, b, c}, mientras que segn el concepto clsico de la
suma hubisemos puesto:
A + B = d + f + g + h + b + c + d + f.
Sean A y B dos subconjuntos de un conjunto universal U. Definimos las siguientes operaciones entre
conjuntos:
Unin: A B = {xU : x A xB}
Interseccin: A B = {xU : x A y xB}
Diferencia o resta: A \ B = {xU : x A y xB}
Diferencia simtrica: AB = (A \ B) (B \ A)
Complementario: Ac =U \ A = {xU : x A}
Para aplicar la Regla de Laplace, el clculo de los sucesos favorables y de los sucesos posibles a veces no
plantea ningn problema, ya que son un nmero reducido y se pueden calcular con facilidad:
Por ejemplo: Probabilidad de que al lanzar un dado salga el nmero 2. Tan slo hay un caso favorable,
mientras que los casos posibles son seis.
Probabilidad de acertar al primer intento el horscopo de una persona. Hay un caso favorable y 12 casos
posibles.
Sin embargo, a veces calcular el nmero de casos favorables y casos posibles es complejo y hay que aplicar
reglas matemticas:
Por ejemplo: 5 matrimonios se sientan aleatoriamente a cenar y queremos calcular la probabilidad de que al
menos los miembros de un matrimonio se sienten junto. En este caso, determinar el nmero de casos
favorables y de casos posibles es complejo.
Las reglas matemticas que nos pueden ayudar son el clculo de combinaciones, el clculo de
variaciones y el clculo de permutaciones.
a) Combinaciones:
Determina el nmero de subgrupos de 1, 2, 3, etc. elementos que se pueden formar con los "n" elementos de
una nuestra. Cada subgrupo se diferencia del resto en los elementos que lo componen, sin que influya el
orden.
Por ejemplo, calcular las posibles combinaciones de 2 elementos que se pueden formar con los nmeros 1, 2
y 3.
Se pueden establecer 3 parejas diferentes: (1,2), (1,3) y (2,3). En el clculo de combinaciones las parejas
(1,2) y (2,1) se consideran idnticas, por lo que slo se cuentan una vez.
b) Variaciones:
Calcula el nmero de subgrupos de 1, 2, 3, etc. elementos que se pueden establecer con los "n" elementos de
una muestra. Cada subgrupo se diferencia del resto en los elementos que lo componen o en el orden de
dichos elementos (es lo que le diferencia de las combinaciones).
Por ejemplo, calcular las posibles variaciones de 2 elementos que se pueden establecer con los nmeros 1, 2
y 3.
Ahora tendramos 6 posibles parejas: (1,2), (1,3), (2,1), (2,3), (3,1) y (3,3). En este caso los subgrupos (1,2) y
(2,1) se consideran distintos.
c) Permutaciones:
Calcula las posibles agrupaciones que se pueden establecer con todos los elementos de un grupo, por lo
tanto, lo que diferencia a cada subgrupo del resto es el orden de los elementos.
Por ejemplo, calcular las posibles formas en que se pueden ordenar los nmeros 1, 2 y 3.
Hay 6 posibles agrupaciones: (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2) y (3, 2, 1)
Cmo se calculan?
a) Combinaciones:
Para calcular el nmero de combinaciones se aplica la siguiente frmula:
El trmino " n ! " se denomina "factorial de n" y es la multiplicacin de todos los nmeros que van desde "n"
hasta 1.
Por ejemplo: 4 ! = 4 * 3 * 2 * 1 = 24
La expresin "Cm,n" representa las combinaciones de "m" elementos, formando subgrupos de "n" elementos.
Ejemplo: C10,4 son las combinaciones de 10 elementos agrupndolos en subgrupos de 4 elementos:
Es decir, podramos formar 210 subgrupos diferentes de 4 elementos, a partir de los 10 elementos.
b) Variaciones:
Para calcular el nmero de variaciones se aplica la siguiente frmula:
La expresin "Vm,n" representa las variaciones de "m" elementos, formando subgrupos de "n" elementos. En
este caso, como vimos en la leccin anterior, un subgrupo se diferenciar del resto, bien por los elementos
que lo forman, o bien por el orden de dichos elementos.
Ejemplo: V10,4 son las variaciones de 10 elementos agrupndolos en subgrupos de 4 elementos:
Es decir, podramos formar 5.040 subgrupos diferentes de 4 elementos, a partir de los 10 elementos.
c) Permutaciones:
Para calcular el nmero de permutaciones se aplica la siguiente frmula:
La expresin "Pm" representa las permutaciones de "m" elementos, tomando todos los elementos. Los
subgrupos se diferenciaran nicamente por el orden de los elementos.
Ejemplo: P10 son las permutaciones de 10 elementos:
Ejemplo: C'10,4 son las combinaciones de 10 elementos con repeticin, agrupndolos en subgrupos de 4, en
los que 2, 3 o los 4 elementos podran estar repetidos:
Ejemplo: V'10,4 son las variaciones de 10 elementos con repeticin, agrupndolos en subgrupos de 4
elementos:
Son permutaciones de "m" elementos, en los que uno de ellos se repite " x1 " veces, otro " x2 " veces y as...
hasta uno que se repite " xk " veces.
Ejemplo: Calcular las permutaciones de 10 elementos, en los que uno de ellos se repite en 2 ocasiones y otro
se repite en 3 ocasiones:
LEYES DE LA PROBABILIDAD:
Las relaciones que se dan entre los eventos al ser aplicadas las operaciones que se presentaron, se facilitan y
comprenden mejor haciendo uso de los axiomas y teoremas de probabilidad (Leyes de Probabilidad).
Axioma: Es una verdad evidente que no requiere demostracin.
Teorema: Es una verdad que requiere ser demostrada.
Axioma 1:
Sea S
esto significa que la probabilidad de cualquier evento no puede ser ms grande que uno, ni ser menor que
cero. Si es igual a 1 se llama evento seguro, y cuando es cero se llama evento imposible.
Axioma 2:
La probabilidad del espacio muestral S es un evento seguro y es uno:
P(S) = 1
Ejemplo.Experimento.- Se lanza un dado.
Si A = S, es decir si el evento A coincide o es igual al espacio muestral, entonces:
P ( A)
N ( A)
N (S )
1
N (S )
N (S )
Teorema 1:
P( )
N ( )
0
0
N (S ) N (S )
Ejemplos:
-Una persona que quiere ganar la lotera nacional, pero no compra boleto.
-Que aparezca un siete al lanzar un dado.
-Que una persona viva 250 aos.
-En estos casos los eventos son vacos
Axioma 3:
Ejemplo:
Experimento: Se lanzan dos monedas.
Espacio muestral: S = { ss, aa, sa, as}, N(S) = 4
Sean los eventos:
A: Caen dos soles exactamente.
B: Cae un sol exactamente.
Los elementos de A y B son: A = { ss }, B = {sa, as}.
N ( )
4
N ( B)
2
P( B)
N ( )
4
P ( A)
P ( A B ) P ( A) P ( B )
1
2
3
4
4
4
Axioma 4:
Sean A1, A2, A3, A4, ..., An; eventos mutuamente excluyentes:
P(A1
A2
A3
A4, ...
Este axioma dice que la probabilidad de varios eventos mutuamente excluyentes (que no tienen elementos en
comn), es igual a la suma de sus probabilidades.
Continuacin:
Si los eventos no son mutuamente excluyentes entonces para n eventos seria:
P( A1 A2 ... An ) P( A1 ) P( A2 ) ... P( An )
n
i j
i j k
P( Ai Aj ) P( Ai Aj Ak ) ... P( A1 A2 ... Ak )
Ejemplo:
Experimento: Se lanza un dado.
Sean los eventos:
A: Que al lanzar un dado salga el 2 o el 4.
B: Que al lanzar un dado salga un nmero mayor a 4.
C: Que salga el 1 o 3.
Los elementos de A, B y C son
A = {2, 4},
N(A) = 2
B = {5, 6},
N(B) = 2
C = {1, 3} ,
N(C) = 2
Continuacin:
Como A, B y C son mutuamente excluyentes, ya que:
Por axioma 4:
P(A
N ( A)
2
N ()
6
N ( B)
2
P( B)
N ()
6
N (C )
2
P (C )
N ()
6
P ( A)
P ( A B C ) P ( A) P ( B ) P (C )
2
2
2
6
1
6
6
6
6
P(A
Diferencia:
Sean A y B dos eventos:
B)
A-
Ejemplo:
Experimento.- Se lanza un dado y una moneda.
S = {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N(S) = 12
Evento A: Que aparezcan el nmero 2 o 3 con sol.
Evento B: Que aparezcan nmeros pares con sol.
A = { 2s, 3s },
N(A) = 2
2 3 1 1
P( A B) P( A) P(B) P( A B)
12 12 12 3
TEOREMA 3:
Sea A un evento cualquiera y S un espacio muestral, tal qu
entonces la probabilidad de Ac es igual a 1 menos la probabilidad de A, es decir
P(Ac) = 1 P(A)
EJEMPLO:
Experimento.- Se lanza un dado y una moneda.
S = {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N(S) = 12
Evento A: Que aparezcan el nmero 2 o 3 con sol.
Evento B: Que aparezcan nmeros pares con sol.
A = { 2s, 3s },
N(A) = 2
B = { 2s, 4s, 6s }
N(B) = 3
2
10
12
12
3
9
P( B C ) 1 P( B) 1
12
12
P ( A c ) 1 P ( A) 1
ENFOQUES DE LA PROBABILIDAD
.El enfoque clsico
Este enfoque consiste en la asignacin de probabilidades en un experimento con un dispositivo aleatorio en el
que los resultados son equiprobables; la probabilidad de un evento se obtiene del cociente de la cardinalidad
del evento entre la cardinalidad del espacio muestra.
Metz (1998) revisa la literatura sobre la comprensin de la nocin de probabilidad y seala que "la
investigacin indica que los nios pequeos tienen rudimentos de la probabilidad clsica, en el sentido de que
infieren informacin de la estructura de dispositivos aleatorios para realizar anticipaciones" (p. 162). Green
(1982) informa cmo la solucin correcta de un problema sencillo, cuya solucin depende de una comprensin
elemental del enfoque clsico, aumenta de 38% de respuestas correctas en 6 grado a 71% en 9 (3 de
secundaria).
Sin embargo, las dificultades aumentan considerablemente cuando las situaciones requieren elementos de
anlisis combinatorio para construir el espacio muestra (Benson y Jones, 1999; Zimmerman y Jones, 2002).
English (2005) estudia el desarrollo del razonamiento combinatorio de los alumnos y, a pesar de que concluye
que "aun los nios pequeos son capaces de trabajar efectivamente con situaciones combinatorias cuando
stas estn inmersas en contextos significativos" (p. 137), se reconoce que la combinatoria provoca
dificultades en todos los niveles escolares.
Una limitacin del enfoque clsico que ha llevado a algunos autores a proponer como alternativa el enfoque
frecuentista
es
que
aqul
es
aplicable
slo
a situaciones que generan un espacio muestral equiprobable. Fuera de situaciones de juego, hay muy pocas
situaciones de la naturaleza o sociales que pueden modelarse razonablemente con un espacio muestral
equiprobable.
El enfoque frecuentista
En este enfoque, tambin llamado experimental o emprico, la probabilidad de un evento es una cantidad
desconocida que se puede estimar experimentalmente. Para este propsito se define la nocin de frecuencia
relativa de un evento en pruebas repetidas en las mismas condiciones.
Aludiendo al enfoque frecuentista, Green (1982) sugiri que era necesario que se realizaran actividades
prcticasen las clases de probabilidad desde temprana edad. Shaughnessy (1983) propuso que la
introduccin de la probabilidad debera estar basada en actividades y experimentos, primero prediciendo
resultados y confrontando las predicciones con los resultados de simulaciones y experimentaciones, y slo
despus pasar a su estudio formal, mtodo que utiliz en sus investigaciones para observar los efectos de la
instruccin en el uso y modificacin de concepciones errneas de los estudiantes sobre probabilidad
(Shaughnessy, 1977).
Aunque el enfoque tiene la ventaja de ligar los conceptos tericos con los eventos aleatorios de situaciones
reales, tambin tiene desventajas que vale la pena comentar. Una, que suele ser molesta para los
estudiantes, es que no proporciona el valor exacto de una probabilidad. Otra, que va de la mano con ella, se
refiere a la determinacin de las veces que resulta pertinente repetir una experiencia para alcanzar una buena
estimacin de la probabilidad. A menudo se pide repetir la experiencia "muchas veces", sin discutir lo
problemtico que puede ser para el alumno determinar el nmero mnimo de repeticiones para que se vean
los efectos de la probabilidad. Adoptando una posicin constructiva, la existencia de estas dificultades se
puede convertir en una oportunidad para trabajar los temas de estimacin y aproximacin en contextos de
probabilidad.
Se ha sealado (Hawkins y Kapadia, 1984; Batanero, Henry y Parzysz, 2005) que otro inconveniente
importante de este enfoque es que existe un gran nmero de situaciones que no se pueden repetir en las
mismas condiciones, situaciones en las que, sin embargo, tiene sentido hablar de probabilidades. Por esta
razn, estos mismos autores, recomiendan, adems, un enfoque subjetivista en la enseanza y no slo el
acercamiento frecuentista o experimental.
El enfoque subjetivista
La probabilidad subjetiva de un evento es un nmero entre cero y uno asignado por el investigador o resolutor
y el cual representa su grado de creencia sobre la ocurrencia del evento. Esta teora fue expuesta de manera
amplia por De Finetti (1974), aunque sus races se remontan a la poca en que surge la probabilidad
(Hacking, 1975).
Steinbring y Von Harten (1983) sugirieron que un mtodo subjetivo permite asignar una probabilidad a un
amplio rango de situaciones, incluidas aqullas en las que tanto el mtodo frecuentista como la probabilidad
clsica o a priori no son aplicables.
Hawkins y Kapadia (1984) sostienen que la va ms fructfera para construir un buen marco de referencia para
que los nios desarrollen ideas probabilsticas es utilizar los mtodos subjetivos, adems de los enfoques
clsico y frecuentista. Consideran que la probabilidad subjetiva es ms accesible a los nios pequeos que las
otras maneras de introducir la probabilidad. Este punto de vista lo reitera Kapadia (2008) 23 aos despus en
una discusin en su crtica al currculo de Inglaterra.
Son pocos los informes de investigacin sobre las dificultades de aprendizaje del enfoque subjetivo. La razn
puede ser que no es comn en los programas de estudio. Por ejemplo, de los que analizaremos ms
adelante, slo el del Reino Unido lo incluye.
En general, en relacin con los diferentes enfoques de probabilidad, varios investigadores proponen que se
ofrezcan oportunidades en la educacin bsica para aprovechar las tres maneras de asignar probabilidades y
que se elija el que represente el mejor modelo de la situacin en cuestin (Shaughnessy, 1992).
ARBOLES DE PROBABILIDAD
Un rbol de probabilidad es una grafica que representa los resultados posibles de un evento as como la
probabilidad
de
concurrencia.
En este ejemplo, el beneficio que hemos calculado previamente para "Nuevo Producto, Desarrollo Meticuloso"
fue $210.000. Luego, estimamos el futuro costo aproximado de esta decisin como $75.000. Esto da un
beneficio
neto
de
$135.000.
Realizando este anlisis podemos ver que la mejor opcin es el desarrollo de un nuevo producto. Es mucho
ms valiosos para nosotros que tomemos suficiente tiempo para registrar el producto antes que apurarnos a
sacarlo rpidamente al mercado. Es preferible el mejorar nuestros productos ya desarrollados que echar a
perder
un
nuevo
producto,
incluso
sabiendo
que
nos
costar
menos.
En resumen, los rboles de decisin proveen un mtodo efectivo para la toma de decisiones debido a que:claramente plantean el problema para que todas las opciones sean analizadas.- permiten analizar totalmente
las
posibles
consecuencias
de
tomar
una
decisin.
El rbol es una excelente ayuda para la eleccin entre varios cursos de accin. Proveen una estructura
sumamente efectiva dentro de la cual estimar cuales son las opciones e investigar las posibles consecuencias
de seleccionar cada una de ellas. Tambin ayudan a construir una imagen balanceada de los riesgos y
recompensas asociados con cada posible curso de accin.
TEOREMA DE BAYES
El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto en el Teorema de la
probabilidad total:
Teorema de la probabilidad total: a partir de las probabilidades del suceso A (probabilidad de que llueva o
de que haga buen tiempo) deducimos la probabilidad del suceso B (que ocurra un accidente).
Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido un accidente) deducimos las
probabilidades del suceso A (estaba lloviendo o haca buen tiempo?).
La frmula del Teorema de Bayes es:
Tratar de explicar estar frmula con palabras es un galimatas, as que vamos a intentar explicarla con un
ejemplo. De todos modos, antes de entrar en el ejercicio, recordar que este teorema tambin exige que
el suceso A forme un sistema completo.
La probabilidad de que efectivamente estuviera lloviendo el da del accidente (probabilidad a posteriori) es del
71,4%.
b) Probabilidad de que estuviera nevando:
Conclusiones
La teora de conjuntos nos dicen que los elementos que lo conforman se representan con letra
minscula a, b, x, y. Estos son un concepto bsico, en el sentido de que no es posible definirlos, su
estudio puede definirse de manera informal. Nos dice que los conjuntos puedes ser de dos formas
por extensin o por comprensin. La unin de conjunto es cuando se juntan los elementos de dos o
ms conjuntos formando uno nuevo.
Las combinaciones son los elementos formados que podemos formar con n de cada muestra, sin
influir el orden. Los determina
Las variaciones son los que se pueden establecer con n se diferencia de las combinaciones por el
orden de dicho elementos. Lo calcula
la permutaciones calcula la posibles agrupaciones que se pudieran establecer, por lo que diferencia
a cada subgrupo del resto del orden de cada elemento.
Las leyes de probabilidad son las relaciones que se dan entre los eventos al ser aplicadas las
operaciones que se presentaron, se facilitan y comprenden mejor, nos hace referencia a varios
teoremas.
Los enfoques son 3 que son el clsico consiste en la asignacin de probabilidades en un
experimento con dispositivo aleatorio; el enfoque frecuentista es la probabilidad de un evento es una
cantidad desconocida que se puede estimar experimental; y el subjetivista e un evento es un
numero entre cero y uno asignado por el investigador y representa su grado de creencia sobre la
ocurrencia del evento.
Los arboles de probabilidad son una grafica que representa los resultado de un evento, nos sirve
para ver la mejor opsion en el producto.
El teorema de Bayes viene siendo la conclusin de nuestra primera opcin o nuestro pronostico.
#1 Nelly Trejo
Los conjuntos dicen que los elementos son conformados con letras minsculas por ejemplo: a, b, x,
y. Son un concepto bsico, en el sentido de que no es posible definirlos, su estudio es de manera
informal. Los conjuntos son por extensin o por comprensin. La unin de conjunto es cuando se
juntan los elementos de dos o ms conjuntos formando uno nuevo.
Las combinaciones elementos formados que podemos formar con n de cada muestra, sin influir el
orden. Los determina
Las variaciones se pueden establecer con n se diferencia de las combinaciones por el orden de
elementos. Lo calcula
permutaciones calculan las posibles agrupaciones que establecen, diferencia a cada subgrupo del
resto del orden de cada elemento.
Las leyes de probabilidad relaciones que se dan entre los eventos al ser aplicadas las operaciones
que se presentaron, facilitan y comprenden mejor, nos hace referencia a varios teoremas.
El enfoque clsico consiste en la asignacin de probabilidades en un experimento con dispositivo
aleatorio; el enfoque frecuentista es la probabilidad de un evento es una cantidad desconocida que
se puede estimar experimental; y el subjetivista e un evento es un numero entre cero y uno
asignado por el investigador y representa su grado de creencia sobre la ocurrencia del evento.
Los arboles de probabilidad es la grafica que representa los resultado de un evento.
El teorema de Bayes la conclusin de nuestra primera opcin o nuestro pronostico.
Esta unidad hablaremos de la teora de conjuntos elementos que lo conforman se representan con
letra minscula a, b, x, y. Es un concepto bsico, en el sentido de que no es posible definirlos.
Son de dos formas por extensin o por comprensin. La unin de conjunto es cuando se juntan los
elementos de dos o ms conjuntos formando uno nuevo.
Las combinaciones son los elementos que los determinan.
Las variaciones son los que lo calculan
Las permutaciones calculan agrupaciones que se pudieran establecer.
Las leyes de probabilidad se facilitan y comprenden mejor, nos hace referencia a varios teoremas.
Los 3 enfoques son el clsico consiste en la asignacin de probabilidades en un experimento con
dispositivo aleatorio; el enfoque frecuentista es la probabilidad de un evento es una cantidad
desconocida que se puede estimar experimental; y el subjetivista e un evento es un numero entre
cero y uno asignado por el investigador y representa su grado de creencia sobre la ocurrencia del
evento.
Los arboles de probabilidad son una grafica que representa los resultado de un evento, nos sirve
para ver la mejor opsion en el producto.
El teorema de Bayes viene siendo la conclusin de nuestra primera opcin o nuestro pronostico.
#3 Brenda de la Torre
Los conjuntos son elementos que se representa con letras, las combinaciones se pueden determinar,
las variaciones se pueden calcular y las perturbaciones son diferentes a las otras.
Las leyes de probabilidad se relacionan entre los eventos al ser aplicadas las operaciones que se
presentaron, facilitan y comprenden.
Los enfoques son 3:
el clsico consiste en la asignacin de probabilidades en un experimento con dispositivo aleatorio; el
enfoque frecuentista es la probabilidad de un evento es una cantidad desconocida que se puede
estimar experimental; y el subjetivista e un evento es un numero entre cero y uno asignado por el
investigador y representa su grado de creencia sobre la ocurrencia del evento.
La teora de conjuntos nos dicen que los elementos que los conforman se representan con las letras
minscula a, b, x, y. Estos son un concepto bsico, en el sentido de que no es posible definirlos,en
su estudios puede definirse de manera informal. Nos dice que los conjuntos puedes ser de dos
formas por extensin o por comprensin. La unin de conjunto es cuando se juntan los elementos de
dos o ms conjuntos formando uno nuevo.
Las combinaciones son los elementos formados que podemos formar con n de cada muestra, sin
influir el orden. Los determina
Las variaciones son los que se pueden establecer con n se diferencia de las combinaciones por el
orden de dicho elementos. Lo calcula
la permutaciones calcula las posibles agrupaciones que se pudieran establecer, por lo que diferencia
a cada subgrupo del resto del orden de cada elemento.
Las leyes de probabilidad son las relaciones que se dan entre los eventos al ser aplicadas las
operaciones que se presentaron, se facilitan y comprenden mejor, nos hace referencia a varios
teoremas.
Los enfoques son 3 que son el clsico consiste en la asignacin de probabilidades en experimento
con dispositivo aleatorio; el enfoque frecuentista es la probabilidad de un evento es una cantidad
desconocida que se puede estimar experimental; y el subjetivista e un evento es un numero entre
cero y uno asignado por el investigador y representa su grado de creencia sobre la ocurrencia del
evento.
Los arboles de probabilidad son una grafica que representa los resultado de un evento, nos sirve
para ver la mejor opsion en el producto.
El teorema de Bayes viene siendo la conclusin de nuestra primera opcin o nuestro pronostico.
#5 Mayra Lizeth
En esta unidad veremos la teora de conjuntos, estos son un concepto bsico, en el sentido de que
no es posible definirlos, su estudio puede definirse de manera informal.
De las combinaciones que son los que determinan
Las variaciones son los que se pueden calcular.
La permutacin calcula las posibles agrupaciones que se pudieran establecer.
Las leyes de probabilidad son las relaciones que se dan entre los eventos al ser aplicadas las
operaciones que se presentaron, se facilitan y comprenden mejor, nos hace referencia a varios
teoremas.
El enfoque clsico consiste en la asignacin de probabilidades en un experimento con dispositivo
aleatorio. El enfoque frecuentista es la probabilidad de un evento es una cantidad desconocida que
se puede estimar experimental; el enfoque subjetivista e un evento es un numero entre cero y uno
asignado por el investigador y representa su grado de creencia sobre la ocurrencia del evento.
Los arboles de probabilidad son una grafica que representa los resultado de un evento, nos sirve
para ver la mejor opsion en el producto.
El teorema de Bayes viene siendo la conclusin de nuestra primera opcin o nuestro pronostico.
La teora de conjuntos nos dicen que los elementos que los conforman se representan con las letras
minscula a, b, x, y. Estos son un concepto bsico, en el sentido de que no es posible definirlos,en
su estudios puede definirse de manera informal. Nos dice que los conjuntos puedes ser de dos
formas por extensin o por comprensin. La unin de conjunto es cuando se juntan los elementos de
dos o ms conjuntos formando uno nuevo.
Las combinaciones son los elementos formados que podemos formar con n de cada muestra, sin
influir el orden. Los determina
Las variaciones son los que se pueden establecer con n se diferencia de las combinaciones por el
orden de dicho elementos. Lo calcula
la permutaciones calcula las posibles agrupaciones que se pudieran establecer, por lo que diferencia
a cada subgrupo del resto del orden de cada elemento.
Las leyes de probabilidad son las relaciones que se dan entre los eventos al ser aplicadas las
operaciones que se presentaron, se facilitan y comprenden mejor, nos hace referencia a varios
teoremas.
Los enfoques son 3 que son el clsico consiste en la asignacin de probabilidades en experimento
con dispositivo aleatorio; el enfoque frecuentista es la probabilidad de un evento es una cantidad
desconocida que se puede estimar experimental; y el subjetivista e un evento es un numero entre
cero y uno asignado por el investigador y representa su grado de creencia sobre la ocurrencia del
evento.
Los arboles de probabilidad son una grafica que representa los resultado de un evento, nos sirve
para ver la mejor opsion en el producto.
El teorema de Bayes viene siendo la conclusin de nuestra primera opcin o nuestro pronostico.
#7 Gisella Carolina
La teora de conjuntos nos dicen que los elementos que lo conforman se representan con letra
minscula a, b, x, y. Estos son un concepto bsico, en el sentido de que no es posible definirlos, su
estudio puede definirse de manera informal. Nos dice que los conjuntos puede ser de dos formas por
extensin o por comprensin. La unin de los conjunto es cuando se juntan los elementos de dos o
ms conjuntos formando uno nuevo.
Las combinaciones son de los elementos formado que podemos formar con n de cada muestra, sin
influir el orden. Los determina
Las variaciones son lo que se pueden establecer con n se diferencia de las combinaciones por el
orden de dicho elementos. Lo calcula
las permutaciones calcula la posible agrupaciones que se pudieran establecer, por lo que diferencia
a cada sub grupo del resto del orden de cada elemento.
las leyes de probabilidad son las relaciones que se dan entre los eventos al ser aplicadas las
operaciones que se presentaron, se facilitan y comprenden mejor, nos hace referencia a varios
teoremas.
Los enfoques son 3 que son el clsico consiste en la asignacin de probabilidades en un
experimento con dispositivo aleatorio; el enfoque frecuentista es la probabilidad de un evento es una
cantidad desconocida que se puede estimar experimental; y el subjetivista e un evento es un numero
entre cero y uno asignado por el investigador y representa su grado de creencia sobre la ocurrencia
del evento.
Los arboles de probabilidad son una grafica que representa los resultado de un evento, nos sirve
para ver la mejor opsion en el producto.
El teorema de Bayes vienen siendo la conclusin de nuestras primera opcin o nuestro pronostico.
#8 Illiana Silva Castaeda