Professional Documents
Culture Documents
RESUMEN UNIDAD 1
DOCENTE:
MARTHA CATALINA OSPINA
1. CAPITULO 1.
1.1. EXPERIMENTOS ALEATORIOS Y ESPACIO MUESTRAL.
La palabra aleo en latn significa azar o suerte , y es aquel sobre el
cual no se tiene control.
Un fenmeno aleatorio: es aquel el que puede dar varios
resultados
experimento.
Un ejemplo : El numero personas
va a ser observado en el
ESPACIO MUESTRAL
Es el espacio, lugar , conjunto formado por los posibles
resultados de un experimento aleatorio. En los cuales los
resultados son conocidos, el resultado del experimento no
se sabe, se puede realizar de una misma forma y se puede
obtener un patrn en la medida que aumentan
las
repeticiones
1.3.
1.4.
1.5.
DIAGRAMAS DE RBOL
Es una especie de grafico donde se presentan los sucesos que
ocurren en un esperimento y se representa mediante rectas
puntos(Eventos); mediante esta
forma se puede
representar
son
Este mtodo implica que los pasos deben realizar uno detrs de otro.
2.2.2. Principio aditivo
2.2.
FACTORIAL DE UN NMERO
2.3.
PERMUTACIONES Y VARIACIONES
P A =! n
P6=6 !=654321=720
n Pr=
2.4.
n!
( nr ) !
COMBINACIONES
[]
n!
n Pr=P n =
r ( nr ) !r !
4
2.5.
2 +2 + 2
3.1.
INTERPRETACIONES DE LA PROBABILIDAD
Los eventos sern enunciados en letras maysculas as: A, B, C,; la letra mayscula
P denotar una probabilidad y P(A) indicar, entonces, la probabilidad de que ocurra
el evento A.
P ( A )=
1
n
3.2.
0 P( A) 1
Resultados
c. Regla de la adicin para eventos mutuamente excluyentes.
Cuando dos eventos puede ser que sucedan uno o el otro y para poder unirlos se
aplica esta regla.
P ( A B )=P ( A ) + P( B)
d. Regla de adicin para eventos que no son mutuamente excluyentes.
P ( A B )=P ( A ) + P ( B )P( A B)
3.3.
P ( A B ) =P ( A )P( B)
b. Probabilidades bajo condiciones de dependencia estadstica.
P ( A B ) =P ( B/ A )P( A )
P ( A B ) =P ( A /B )P(B)
3.4.
PROBABILIDAD CONDICIONAL
[ ]
B
=P(B)
A
[ ]
3.5.
P ( B ) = P
i=1
[ ]
B
( Pn )
An
P ( B ) =P ( B A ) + P ( B A ' ) P ( B )=P
[ ]
[ ]
B
B
P ( A ) + P
P ( A ' )
A
A'
% Compras
25
30
45
% Defecto
2
4
6
% Bueno
98
96
94
Eventos
A: Evento % compras a Hall electronics
B: Evento % compras a Schuller Sales
C: Evento % compras a Crawford Components
D: % Defectusos
N: % No Defectuosos.
Para el desarrollo del informe se recomienda
Identificar los eventos mutuamente excluyentes.
D: % Defectusos
N: % No Defectuosos
Son mutuamente excluyentes segn lo ledo y visto en videos son
aquellos que se presentan cuando se relaciona columnas con
columnas o filas con filas . Un ejemplo no es probable que un
elemento defectuoso sea producido al mismo tiempo por dos empresas
proveedoras.
Identificar
las probabilidades
excluyentes(Probabilidad a priori)
de
los
eventos
mutuamente
[ ]
[ ]
[ ]
D
D
D
+ P ( B )
+ P ( C )
A
B
C
[ ]
[ ]
[ ]
N
N
N
+ P ( B )
+ P ( C )
A
B
C
10
P ( A / D )=
P ( A / D )=
P ( A / D )=
P ( A )P [ D / A ]
P ( A )P [ D / A ] + P ( B )[ D/ B ] + P ( C )[ D/C ]
0.250.02
0.250.02+ 0.300.04 +0.450.06
0.05
=0.113
0.44
P ( B )P [ D/B ]
P ( A )P [ D/ A ] + P ( B )[ D/B ] + P ( C )[ D/C ]
P ( B/ D ) =
0.300.04
0.250.02+0.300.04+ 0.450.06
P ( B/ D ) =
0.012
=0.272
0.44
Probabilidad de que se C.
P (C / D )=
P ( C )P [ C/ D ]
P ( A )P [ D/ A ] + P ( B )[ D /B ] + P (C )[ D /C ]
0.450.06
( CD )= 0.250.02+0.300.04+0.450.06
=0.613
( CD )= 0.027
0.44
11
P ( A /N )=
P ( A /N )=
0.250.98
0.250.98+0.300.96+0.450.94
0.245
=0.256
0.956
P ( N /B ) =
P ( N /B ) =
P ( B )P [ N / B ]
P ( A )P [ N / A ] + P ( B )[ N /B ] + P ( C )[ N / C ]
0.300.96
0.250.98+0.300.96+ 0.450.94
0.288
=0.301
0.956
Probabilidad de que se C.
P (C / N )=
P (C / N )=
P ( C )P [ N /C ]
P ( A )P [ N / A ] + P ( B )[ N /B ] + P ( C )[ N /C ]
0.450.94
0.250.98+0.300.96+0.450.96
12
P (C / N )=
0.423
=0.442
0.956
e. Elabore un diagrama
encontradas.
probabilidades
BILIOGRAFIA
13
14