Documente Academic
Documente Profesional
Documente Cultură
El objeto del tema es la cuantificación de la incertidumbre, lo cual tiene mucho que ver con la
previsibilidad del comportamiento. Hemos visto que el Análisis de Regresión es una técnica para
obtener predicciones, y que, excepto en el caso de covariación perfecta, las predicciones son más o
menos erróneas. En consecuencia, hay incertidumbre en las predicciones, y esta es la situación
habitual. La imprevisibilidad genera incertidumbre.
Los matemáticos vienen estudiando esta cuestión ya hace muchos años, y han facilitado
herramientas precisas que dan resultados exactos en situaciones relativamente sencillas y fácilmente
formalizables. Cuando se estudia el comportamiento, sin embargo, las cosas son diferentes porque
el comportamiento se caracteriza por la complejidad, y su estudio requiere frecuentemente técnicas
complejas. Los conceptos básicos de la probabilidad son de interés porque son el fundamento de
procedimientos más sofisticados que sirven para cuantificar la incertidumbre.
Los matemáticos no son los únicos que miden la incertidumbre: Todo el mundo lo hace cada día.
Por ejemplo: Un conocido nos pide un préstamo por una cantidad importante, y de una manera
intuitiva evaluamos la probabilidad de que nos devuelva el préstamo y decidimos en consecuencia.
Otro ejemplo: Tenemos un trabajo seguro en una empresa, y nos ofrecen un trabajo mejor pagado en
otra; generalmente evaluamos la incertidumbre de la nueva situación antes de tomar una decisión.
Estas evaluaciones son más o menos intuitivas, y no suponen una cuantificación precisa de la
incertidumbre, pero el fundamento de como suelen hacerse se asemeja a algunas aproximaciones
formales a la probabilidad, que la definen como la frecuencia en que ocurre el acontecimiento.
Pero difícilmente podemos medir la incertidumbre del comportamiento aunque la fórmula sea
sencilla. Volviendo al ejemplo, es difícil recoger datos exactos de todas las ocasiones en que un
individuo ha tenido la oportunidad de engañar, y la de todas las veces que la ha hecho; en
consecuencia difícilmente podremos obtener una medida precisa de la probabilidad de que devuelva
el préstamo. En otras situaciones sí podemos obtener una aproximación más precisa a la
probabilidad. Por ejemplo, la de que un estudiante seleccionado al azar obtenga "Notable". Esta
probabilidad es el número de estudiantes que obtienen "Notable" dividido por el número total de
estudiantes del curso:
OPCION 2
T E O R E M A D E B AY E S
Si A 1, A 2 ,... , An son:
S u c e s os i n c om p a t i bl e s 2 a 2.
Y B e s ot r o s u c e s o.
R e s ul t a q u e :
L a s p r o b a bi l i d a d e s p ( A 1 ) s e d e n om i n a n p ro b a b i l i d a d e s a p r i o r i .
L a s p r o b a bi l i d a d e s p ( A i / B ) s e d e n o m i n a n p ro b a b i l i d a d e s a p o s t e r i o r i .
L a s p r o b a bi l i d a d e s p ( B / A i ) s e d e n om i n a n v e r o s i m i l i t u d e s .
Ejemplo
la probabilidad de que el individuo padezca el trastorno A es 0.27. Las probabilidades de que esté
afectado por el trastorno B o el C son:
La conclusión es que lo más probable es que el individuo padezca el trastorno B, pero es un valor
moderado y los psicólogos piensan que hay que obtener más evidencia.
El teorema de Bayes es especialmente adecuado para actualizar las conclusiones a medida que
disponemos de nueva información. Pasado un tiempo observan que el paciente muestra un nuevo
síntoma (Y), y saben que presentan Y el 70% de los individuos que sufren el trastorno A, el 20% de
los individuos que sufren B y el 10% de los individuos que padecen el trastorno C. Para obtener las
probabilidades incorporando la nueva información hacemos que las probabilidades posteriores
pasen a ser las probabilidades previas:
Una vez hechos los cálculos la probabilidad de que el individuo esté afectado por el trastorno A ha
pasado de 0.27 a 0.62
Ejemplos
1 E l 2 0% d e l os e m pl e a d o s d e u n a e m p r e s a s o n i n ge n i e r os y o t r o 2 0% s o n
e c o n o m i s t a s . El 7 5 % d e l o s i n g e ni e r o s o c u p a n u n p u e s t o di r e c t i v o y e l 5 0% d e
l o s e c o n o m i s t a s t a m b i é n, m i e nt r a s q u e l o s n o i n g e n i e r o s y l os n o e c o n o m i s t a s
s ol a m e n t e e l 2 0 % o c u p a u n p u e s t o di r e c t i v o. ¿ C u á l e s l a p r o b a bi l i d a d d e q u e
u n e m pl e a d o d i r e c t i v o e l e g i d o a l a z a r s e a i n ge n i e r o ?
2 L a pr o b a b i l i d a d d e q u e ha y a u n a c c i d e n t e e n u n a f á br i c a q ue d i s p o n e d e
a l a r m a e s 0. 1 . L a pr o b a b i l i d a d d e q u e s u e n e e s t a s í s e h a p r o d u c i d o a l g ú n
i n c i d e nt e e s d e 0 . 9 7 y l a p r o b a b i l i d a d d e q u e s ue n e s i n o h a s u c e d i d o n i n g ú n
i n c i d e nt e e s 0. 0 2 .
E n e l s u p u e s t o d e q u e h a y a f u n c i o n a d o l a a l a r m a , ¿ c uá l e s l a p r o b a bi l i d a d d e
q u e n o ha y a h a bi d o ni n g ú n i n c i d e nt e ?
I = P r o d u c i r s e i n c i de n t e .
A = Sonar la alarma.
Ejercicio 1
Una empresa que fabrica camisetas posee tres máquinas, A, B y C, producen el 45%, 30% y 25%,
respectivamente, del total de las piezas producidas en la fábrica. Los porcentajes de producción
defectuosa de estas máquinas son del 3%, 4% y 5% respectivamente.
Solución:
Ejercicio 2:
Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1 negra y C con 2 bolas
rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha sido roja, ¿cuál es
la probabilidad de haber sido extraída de la urna A?
Solución:
La Teoría de Conjuntos es una teoría matemática, que estudia básicamente a un cierto tipo de objetos
llamados conjuntos y algunas veces, a otros objetos denominados no conjuntos, así como a los problemas
relacionados con estos.
El concepto de conjunto es intuitivo y se podría definir como una "agrupación bien definida de objetos no
repetidos y no ordenados"; así, se puede hablar de un conjunto de personas, ciudades, gafas, lapiceros o del
conjunto de objetos que hay en un momento dado encima de una mesa. Un conjunto está bien definido si se
sabe si un determinado elemento pertenece o no al conjunto. El conjunto de los bolígrafos azules está bien
definido, porque a la vista de un bolígrafo se puede saber si es azul o no. El conjunto de las personas altas no
está bien definido, porque a la vista de una persona, no siempre se podrá decir si es alta o no, o puede haber
distintas personas, que opinen si esa persona es alta o no lo es. En el siglo XIX, según Frege, los elementos de
un conjunto se definían sólo por tal o cual propiedad. Actualmente la teoría de conjuntos está bien definida
por el sistema ZFC. Sin embargo, sigue siendo célebre la definición que publicó Cantor.
¿QUE ES UN CONJUNTO?
Conjunto Finito: Es el conjunto al que se le puede determinar su cardinalidad o puede llegar a contar su
ultimo elemento.
Ejemplo:
M= {1,2,3,4,6,8,12,24}
Conjunto Infinito: Es el conjunto que, por tener muchisimos elementos, no se le puede llegar a contar su
ultimo elemento.
Ejemplo:
Conjunto Vacio: Es el conjunto cuya cardinalidad es cero ya que carece de elementos. El simbolo del conjunto
vacio O o { }.
Ejemplo:
Conjunto Unitario: Es el conjunto que solo tiene un elemento. Su cardinalidad es uno (1).
Ejemplo:
DETERMINACIÓN DE UN CONJUNTO
La representacion enumerativa de un conjunto consiste en escribir uno a uno los elementos que conforman un
conjunto dado.
Ejemplo:
A = { a, e, i, o, u }
B = { 0, 2, 4, 6, 8 }
C = { c,o , n, j, u, t, s } En un conjunto determinado por extensión no se repite un mismo elemento.
Esta forma consiste en determinar la caracteristica comun entre los elementos que posee un conjunto.
Ejemplo:
A = { x/x es una vocal }
B = { x/x es un número par menor que 10 }
C = { x/x es una letra de la palabra conjuntos }
Forma Grafica:
En esta forma se representa mediante una superficie limitada por una línea. En su interior se colocan los
elementos del conjunto. Cada porción del plano limitada se nombra con una letra mayúscula.
Ejemplo:
OPERACIONES CON CONJUNTOS
UNION DE CONJUNTOS:
La unión de los conjuntos A y B es el conjunto formado por todos los elementos que pertenecen a A o a B o a
ambos. Se denota: A U B. La unión de conjuntos se define como:
A U B = {x / x € A o x € B}
EJEMPLOS:
a) A U C b) B U C
A = { 0, 1, 2, 3, 4, 5 } y C = { 5, 6, 8 }
A U C = { 0, 1, 2, 3, 4, , 6, 8 }
B = { 0, 2, 4 } y C = { 5, 6, 8 }
INTERSECCION DE CONJUNTOS:
La interseccion es el conjunto formado por los elementos que son comunes entre dos o mas conjuntos dados.
Se denota por A B, que se lee: A intersección B. La intersección de A y B también se puede definir:
A B = { x / x €Ay x € B }
EJEMPLOS:
a) A C b) B C
A = { 0, 1, 2, 3, 4, 5 } y C = { 2, 4 }
A C={2,4}
B = { 3, 5, 7 } y C = { 2, 4 }
B C = { O }
DIFERENCIA DE CONJUNTOS:
Se denomina diferencia de dos conjuntos A y B al conjunto formado por todos los elementos de A pero que no
pertenecen a B.
La diferencia se denota por: A - B que se lee: A diferencia B o A menos B. Se define la diferencia de dos
conjuntos también como:
A - B = {x / x € A y x B}
A- B
EJEMPLOS:
A = { a, b, c, d, e } y C = { d, f, g }
A - C = { a, b, c, e }
B = { a, e } y C = { d, f, g }
B - C = { a, e }
DIFERENCIA SIMETRICA:
El conjunto diferencia simétrica de A y B está formado por los elementos del universo que pertenecen a uno y
solamente uno de ellos, es decir, que pertenecen a A , o a B , pero no a ambos:
EJEMPLO:
Sean:
U = { p , r , s , t }
A = { p , s }
B = { r , s }
Entonces:
COMPLEMENTO DE CONJUNTOS:
Si un conjunto A es subconjunto de otro conjunto universal U, al conjunto A' formado por todos los elementos
de U pero no de A, se llama complemento de A con respecto a U. Simbólicamente se expresa:
A' = { x/x € U y x A}
EJEMPLOS:
Sean U = { m, a, r, t, e } y A = { t, e }
[2] Bressan,A.P., Bressan, O. Probabilidad y estadística: cómo trabajar con niños y jóvenes Ed.
Novedades Educativas, 2008
[5] Packel, E. Las matemáticas de los juegos de apuestas Ed. La tortuga de Aquiles 1995