ESTADSTICA Y PROBABILIDAD

ESCUELA:

ELECTRNICA Y TELECOMUNICACIONES

TUTOR:

Ing. Patricio Puchaicela.

ALUMNA: ALUMNA:

KARINA ERIKA OCAMPO S.

Ensayo N 2

ENSAYO N 2
TEMA: CAPITULO N2
ALGUNAS LEYES DE LA PROBABILIDAD

INTRODUCCIN
En este captulo se va analizar nalizar varias leyes que rigen en la estadstica y probabilidad, recordando que desde nuestros antecesores utilizaron axiomas axiomas, para la resolucin de problemas matemticos. atemticos. Todas estas leyes son verificables y determinan los resultados acertados en un problema o caso estudiado. De la misma manera son leyes que pueden ser representadas numrica y grficamente. Deducidas educidas de d la mejor manera, constituyen una forma sencilla en la solucin de problemas. problemas

DESCRIPCIN
Axiomas de Probabilidad Los axiomas son condiciones mnimas y bsicas dentro de esta ciencia y todas son asumas como verdaderas sin necesidad de demostrarlas. Existiendo tres: o Axioma 1 La probabilidad de un suceso A es un nmero real mayor o igual que 0. P(A) 0 o Axioma 2 La probabilidad del total, T, es igual a 1. P(T)= 1 o Axioma 3 Si A1, A2... son sucesos mutuamente disjuntos o de e interseccin vaca dos a dos entonces: . Segn este axioma se puede calcular calcular la probabilidad de un suceso compuesto de varias alternativas ernativas mutuamente disyuntas sumando las probabilidades de sus componentes.

Ensayo N 2

Veamos ahora algunas propiedades de la probabilidad, que pueden demostrarse fcilmente a partir de los tres axiomas. Teoremas: Se tiene una caja con 1 lpiz amarillo, 2 verdes y 6 azules. Cul ser la probabilidad de que al sacar un lpiz rosado? (PRIMER TEOREMA) Donde el conjunto vaco representa en probabilidad el suceso imposible

Qu probabilidad hay de que al hacer una tirada con un solo dado no salga un nmero par? Solucin: p(A) = 1 p(A) (SEGUNDO TEOREMA ) A = {salga par}; A = {2, 4, 6} p(A) = 3/6 p(A) = 1 3/6 = 3/6 = Una clase consta de 10 hombres y 20 mujeres de los cuales la mitad de los hombres y la mitad de mujeres tienen ojos castaos. Hallar la probabilidad de que una persona elegida al azar sea hombre tenga los ojos castaos. Solucin: A = {Hombre}; B = {Ojos castaos} p(AB) = p(A) + p(B) p(AB) (REGLA GENERAL DE LA ADICIN) = 10/30 + 15/30 5/30 = 20/30 = 2/3 Probabilidad Condicional

Ensayo N 2

Es la probabilidad que pase un suceso(A) suceso sabiendo que otro ocurri (B). ( Ejemplo Se lanzan dos dados. Si la suma ha sido 7, cul es la probabilidad de que alguno de los dados haya salido un tres? Sean los sucesos = "la suma de los puntos es siete" y = "en alguno de los dados ha salido un tres" El suceso es salir en algn dado 3, si la suma ha sido 7. Observamos que esta situacin ocurre en las parejas y . Por tanto.

Independencia a y la regla de la multiplicacin. multiplicaci Se e dice que dos sucesos A y B son independientes en un especio muestral cuando: p(AB) = p(A) p(B). Si tengo los cuatro ases de la baraja en mis manos {A, A, A,A}, se que dos de esas barajas son de color rojo y las otras dos de color negro. Sin mirar alguien selecciona una baraja primero, y luego de las tres restantes selecciona una baraja. Quiero encontrar la probabilidad de que ambas barajas sean rojas {A,A}. La nica forma de que ambas barajas as sean rojas es que la primera sea roja y dada que la primera es roja, la segunda debe ser roja tambin. La probabilidad de que la primera sea roja es 2/4 si la primera fue roja entonces la probabilidad de que la segunda sea roja tambin es 1/3. Por lo tanto P(ambas ambas barajas son rojas)= rojas 2/4 x 1/3 =2/12 Por lo tanto con el anterior ejemplo se demuestra que la regla de la multiplicacin se puede denotar por: Siendo A Y B cualquiera iera en un espacio muestral donde don p(B)>0, B)>0, tenemos: tenemos p(A Y B)=p(A/B)p(B).

Teorema de bayes

Ensayo N 2

Este teorema enunciado por Thomas Bayes, sirve para calcular p ( (A|B), cuando los datos que se tiene no son los suficientes suficientes, para utilizar directamente tamente la probabilidad condicional. Sea {A1,A2,...,Ai,...,An} un conjunto de sucesos mutuamente excluyentes y exhaustivos, y tales que la probabilidad de cada uno de ellos es distinta de cero. Sea B un suceso su cualquiera del que se conocen las probabilidades condicionales P(B | Ai). Entonces, la probabilidad P(Ai | B) viene dada por la expresin:

Donde: P(Ai) son las probabilidades a priori. P(B | Ai) es la probabilidad de B en la hiptesis Ai. P(Ai | B) son las probabilidades a posteriori. Esto se cumple

CONCLUSIONES
Es importante conocer y comprender los axiomas porque de ellos se parte para la formacin de las otras leyes y teoremas. En este captulo se conoci nuevos trminos, que son y sern muy tiles dentro de la materia. La estadstica bayesiana est demostrando su utilidad en ciertas ci estimaciones basadas en el conocimiento subje subjetivo as como tambin permite revisar esas estimaciones en funcin de la evidencia. El teorema de bayes puede servir entonces para indicar cmo debemos modificar nuestras probabilidades subjetivas cuando recibimos informacin adicional de un experimento.

RECOMENDACIONES
o L a regla de la multiplicacin multipli es til cuando es ms fcil darse cuenta de cunto vale p ( ) que calcular p(AB).

BIBLIOGRAFA

Ensayo N 2

http://es.wikipedia.org/wiki/Teoremade _Bayes. http://www.mitecnologico.com/Main/ProbabilidadCondicionalEIndependencia www.EstadisticaFacil.com