Professional Documents
Culture Documents
POLITCNICO NACIONAL
ESCUELA SUPERIOR DE
INGENIERA Y
ARQUITECTURA
Fecha:______
MATEMTICAS IV
Tarea:_____
Teorema de la adicin.
Se basa en la distribucin normal y nos dice que se presenta frente a dos eventos
totalmente independientes de tal manera que estos se unan y as se pueda
obtener una probabilidad ms certera o cercana de obtener un resultado favorable.
El nico problema al que se apega la adicin es que para poder unir los eventos
es necesario tener los datos de la media y la varianza de los mismos.
X N [ x ; x ] Donde: x = 3
Y N [ y ; y ] x=2
y=6
y=4
x + y = 3 + 6 = 9 & x 2+ y2 22+ 42
4.472
Por lo que U = N (9; 4.472)
PROBABILIDAD AXIOMTICA
Se entiende que es la probabilidad que indica las condiciones mnimas que debe
tener un evento para poder analizar la probabilidad de obtener este mismo evento
en cualquier situacin o en cualquier cambio de variable, pero teniendo en cuenta
que no cambian las condiciones del evento.
De cierta forma solo es obtener todas las probabilidades que puedan ocurrir entre
dos eventos pero acatando las condiciones para una probabilidad lgica y
favorable que se interpretan mediante las propiedades de los axiomas:
Primer axioma.
La probabilidad de que un suceso a sea un nmero real mayor o igual que
0. Quiere decir que la probabilidad de un suceso es un nmero positivo o
nulo.
Segundo axioma.
La probabilidad del total, , es igual a 1 donde representa todas las
posibles alternativas y se denomina suceso seguro.
Tercer axioma.
Si A1, A2... son sucesos mutuamente excluyentes (incompatibles dos a
dos, disjuntos o de interseccin vaca dos a dos).
De las cuales podemos obtener las siguientes formulas.
1.- P (A) 0
2.- P (A) 1
3.- P (Ac) = 1- P (A)
Si A y B son mutuamente excluyentes:
5.- P (AUB) = P A) + P (B)
Si A y B no son mutuamente excluyentes:
6.- P (AUB) = P (A) + P (B) P (AB)
Ejemplo:
Suponga que una gran compaa de construccin se contrata personal con y sin
estudios universitarios para realizar el mismo trabajo. Despus de cierto tiempo, el
personal es calificado por los supervisores. Las probabilidades de calificacin del
desempeo para los dos tipos de empleados se muestran a continuacin.
DESEMPEO
-Con educacin universitaria
-Sin educacin universitaria
Bueno Malo
0.12 0.28
0.18 0.42
TEOREMA DE BAYES
An A4
A1
B
A2 A3
Ejemplo:
Con base a la experiencia de un estructurita se sabe que al diagnosticar a una
estructura, el 10% se le conoce como falla por cortante, al 20% se le conoce como
falla por momento y el 70% de la estructura no presenta ningn tipo de falla.
P (A1) A1 = falla por cortante -10%
P (A2) A2 = falla por momento - 20%
P (A3) A3 = no presenta falla - 70%
Del tipo de falla A1 el 90% se presenta en muros de forma vertical, el 50% de las
fallas A2 se presenta en columnas y castillos, ocurre lo mismo en el 5% de la
estructura. Si se analiza una estructura tipo B del teorema de Bayes. Cul es la
probabilidad de que est presente fallas por cortante, por momento y de que no
presente fallas?
P (B/A1) = 90%
P (B/A2) = 50%
P (B/A3) = 5%
Probabilidad de que pase la estructura tipo B
P (B) = (0.10) (0.90) + (0.20) (0.50) + (0.70) (0.05) = 0.225
Falla por cortante
P (A1/B) = P (A1) P (B/A1) / P (B) = (0.10) (0.90) / 0.225 = 0.4
Falla por momento
P (A2/B) = P (A2) P (B/A2) / P (B) = (0.20) (0.50) / 0.225 = 0.44
No presenta falla
P (A3/B) = P (A3) P (B/A3) / P (B) = (0.70) (0.05) / 0.225 = 0.1516
EVENTOS INDEPENDIENTES, TEOREMA DE LA MULTIPLICACIN
Eventos independientes
La principal caracterstica de una situacin con eventos independientes es que el
estado original de la situacin no cambia cuando ocurre un evento.
Esto quiere decir que de ninguna manera se modificaran por la accin del otro al
momento de que se evalen, dicho de otra manera que el resultado de uno no se
ve afectado por la interaccin o reaccin del otro.
Esta probabilidad se da por la siguiente expresin:
P (situacin) = P (primer intento/evento) x P (segundo intento/evento) x...
Los eventos independientes ocurren ya sea cuando:
el proceso que genera el elemento aleatorio no elimina ningn posible
resultado
el proceso que s elimina un posible resultado, pero el resultado es
sustituido antes de que suceda una segunda accin. (A esto se le llama
sacar un reemplazo).
Es este caso el espacio muestral se considera como todas las interacciones
posibles de ambos eventos.
Ejemplo:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una
canica es eliminada de la caja y luego reemplazada. Otra canica se saca de la
caja. Cul es la probabilidad de que la primera canica sea azul y la segunda
canica sea verde?
Solucin:
Ya que la primera canica es reemplazada, el tamao del espacio muestral (9) no
cambia de la primera sacada a la segunda as los eventos son independientes.
P (azul luego verde) = P (azul) P (verde)
Teorema de la multiplicacin
En general dice que si A y B son eventos contenidos en el mismo espacio muestral
S, donde P(A) > 0 y P(B) >0, entonces P(A B) = P(A) P(B | A).
Y se entiende que la interseccin de dos eventos dentro del mismo espacio
muestral est dada por la siguiente expresin:
P(A B) = P(A) P (B | A)
Tomando en cuenta que P(A) > 0 y P (B) > 0
Donde se puede observar que la formula parte de la probabilidad condicional
donde la relacin de la interseccin est dada por la probabilidad del primer
evento por la probabilidad de que este mismo evento genere el segundo. Esta se
puede dar con n cantidad de eventos, por ejemplo:
Con 3 eventos: P [A (B C)] = P (B C) P(A | B C).
Y en general cuando se tienen n eventos, la regla de multiplicacin queda:
P (A1 A2 An) = P (A1) P (A2 | A1) P (A3 | A1 A2) P (An | A1 A2 An-1)
Ejemplo:
Se tiene una urna que contiene 4 canicas verdes y 6 rojas. Si se extraen 2 canicas
sin reemplazo Cul es la probabilidad de que la primera sea roja y la segunda
verde?
Solucin:
Sean lo eventos:
C = {x | x la primera canica es roja}
D = {x | x la segunda canica es verde}
En total hay 10 canicas, por lo que para la primera canica que se extrae se tiene
que . En el momento de extraer la segunda canica hay 9 canicas en la
urna, de las cuales 4 son verdes, por lo que .
Aplicando la Regla de multiplicacin queda:
.
DEFINICIN DE VARIABLES ALEATORIAS CONTINUAS Y VARIABLES
ALEATORIAS DISCRETAS.
n es el nmero de pruebas.
k es el nmero de xitos.
p es la probabilidad de xito.
q es la probabilidad de fracaso.
El nmero combinatorio
Considerando lo que caracteriza esta distribucin:
La suma de las potencias k y n-k deben ser igual a n
Si no se proporcionan valores para q y p se tomaran con valores de 0.5
respectivamente.
p+q=1
q = 1- p
p = 1- q
q= 1-p = probabilidad desfavorable
qn = al menos un xito
Ejemplo:
En una empresa constructora se tiene un banco de datos para realizar una grfica
de desviacin estndar de un concreto Fc = 400 kg/cm2 y cuyos datos del banco
estn divididos en 6 partes Cul es la probabilidad de que 2 partes de los 6
tantos sean una distribucin estndar buena?
N= 6
n
K=2 b (k, n, p) = ( K ) pk en-k
65
P = 0.5 b (2, 6, 0.5) = ( 2 1 ) x (0.52) x (e6-2) = (15) (1/4) (1/16) =
0.234
Distribucin directa de Probabilidad Multinomial
En general se trata de que en un espacio de trabajo se realicen una serie de
eventos (A1, A2, A3) al mismo tiempo donde cada uno tiene una probabilidad de
ser un resultado en el evento (P1, P2, P3), o sea que en un nmero de pruebas (n)
que se realizan tambin se analiza la probabilidad de que un evento A1 suceda y
se repita ciertas veces como K1, K2, K3 y as consecutivamente:
(n/K1 X K2 X Kn)P1K1 X P2K2 X PnKn
A veces las probabilidades no son definitivas porque un evento est siendo
afectado por la aparicin de 2 o ms factores que alteran al espacio muestral por
lo cual se usa esta expresin:
(n /X1 x X2 x Xn)
Para aplicar la formula se consideran los siguientes parmetros:
La suma de las K = n
La suma de las probabilidades es igual a 1
Dnde:
r= nmero de repeticiones Nota: K=r+1
k= probabilidad de que sea exitoso Valor esperado = r/p
p= resultado exitoso V(y) = rq/p2
q= resultado de fracaso varianza, donde: q= (1-p)
Parmetros de distribucin de Pascal
Media m=
Varianza r2 =
Desviacin estndar R= ( )1/2
Ejemplo:
La probabilidad de que un experimento sea exitoso es de 0.80, si el experimento
se repite hasta que ocurran 4 resultados exitosos Cul es el nmero esperado de
repeticiones necesarias para que sea exitoso?
r= 4
P= 0.80
q= 0.20
E (y)= 4 0.80 = 5
V (y) = 4 (0.20) 0.64 = 1.2
Distribucin directa de Probabilidad Hipergeomtrica
Es una distribucin discreta que modela el nmero de eventos en una muestra de
tamao fijo cuando se conoce el nmero total de elementos en la poblacin de la
cual proviene la muestra.
Cada elemento de la muestra es diferente y cuando se elige un elemento de la
poblacin, no se puede volver a elegir es por ello que la probabilidad de que un
elemento en particular sea seleccionado aumenta cada vez que escogemos un
elemento.
Su funcin es:
Dnde:
p(x, n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados
Muestras de n objetos,donde hay x que son defectuosos y n-x sin
defectos.
b) x= variable que nos define el nmero de cheques sin fondo que llegan al
banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos
das consecutivos
Nota: l siempre debe de estar en funcin de x.