ESCUELA POLITÉCNICA DEL EJÉRCITO

INGENIERÍA ELECTRÓNICA REDES Y

COMUNICACIÓN DE DATOS

Proyecto I: Introducción a Procesos Estocásticos

DANY TABAREZ
14 abril de 2011
Proyecto 1: Introducción a Procesos Estocásticos
Simulación de Muestreo

Muestreo con Reemplazo

Investigue el espacio de probabilidades del lanzamiento de un dado de cuatro caras, donde cada una de sus
caras numeradas de 1 a 4 tiene igual probabilidad de aparecer.

1. Simular el lanzamiento del dado descrito n = 100 veces mediante el uso de la función rand.

Mediante la función rand y mostrando mediante un gráfico los lanzamientos

2. Determinar la probabilidad que aparezca cada una de las caras del dado.

Haciendo los cálculos necesarios, determinando una frecuencia con respecto a cada una de las caras del dado
en resultado es:

Siendo c la probabilidad de cada lado

 3. Comparar estas probabilidades con el valor analítico calculado.

Dado que el espacio S= { 1,2,3,4 } siendo estas las caras del dado
La probabilidad de cada evento en un habiente controlado seria la probabilidad de cada uno para la cantidad
1
de eventos, así la probabilidad de cada uno es c 1=c 2=c 3=c 4= =0.25
4

Si comparamos con la probabilidad simulada a 100 veces vemos todavía significativas variaciones con
respecto al valor teórico, por ejemplo en c3 la probabilidad es mas baja que las demás cuando debería ser
igual.

4. Repetir los pasos anteriores para n = 500; 1000; 50000 y 100000 veces.

Con n=500
con n=1000

n=50000

n=100000
 5. Que se puede concluir de las actividades anteriores?

Como conclusión de la simulación podemos concluir que a pesar que la probabilidad sea diversa ante un
número mayor de veces que se repite el experimento podemos observar que la tendencia de cada probabilidad
se acerca mucho al valor del evento. Como es el caso del lanzamiento del dado 100000 que acerco dos de las
posibilidades a 0.2510 que es casi exacto con el valor analítico de 0.25.

Codigo:
function [] = MuestreoConRemplazo( )

clc end

%vars
c1=0; for i=1:4
c2=0; x(i)=length(find(n==i));
c3=0;
c4=0;
end
%define number of rolls
%show us bars graphs
rolls=500;
sprintf('grafico de barras lanzamientos: ')
sprintf('precione enter para mostrar...')
for i=1:rolls pause
n(i)=ceil(4*rand); bar(n)

if n(i)==1 mensaje=sprintf('grafico de barras probabilidades:

c1=c1+1; ')
end sprintf('precione enter para mostrar...')
if n(i)==2 pause
c2=c2+1; bar(x)
end
if n(i)==3
c3=c3+1;
end %show us the probability of each event in the
if n(i)==4 command promt
c4=c4+1; sprintf('la probabilidad de cada evento es: ')
end c1=c1/rolls
c2=c2/rolls
c3=c3/rolls
c4=c4/rolls end

Muestreo sin Reemplazo

Investigue el espacio de probabilidades del problema de seleccionar dos bolas de una urna conteniendo tres
bolas rojas y tres bolas verdes.

1. Simular la extracción de dos bolas de la urna descrita n = 100 veces mediante el uso de la
función randperm.

Caso 1: Rojo luego Verde

Caso 2: Rojo luego Rojo
Caso 3: Verde luego Rojo
Caso 4: Verde luego verde

2. Determinar la probabilidad que aparezca una bola roja seguida de una bola verde.

Mostrando un gráfico la probabilidad de que esto se dé es:

 3. Comparar esta probabilidad con el valor analítico calculado.

Mediante un diagrama de árbol podemos analizar claramente lo que sucede en el evento

La probabilidad en el caso de sacar un bola roja seguida de una

1
∗3
verde es 2
p ( RV )= =0.3
5
En la simulación del evento tenemos en resultado de este evento
p ( RV )=0.35
Lo que es un valor casi cercano pero con un margen de error
bastante alto, ya que excede casi un 5% de ventaja el cual no se da,
será necesario realizar mas pruebas

4. Repetir los pasos anteriores para n = 500; 1000; 50000 y 100000 veces.

n=100
n=1000

n=50000

n=100000
 5. Que se puede concluir de las actividades anteriores?

Como conclusión de la simulación podemos concluir que a pesar que la probabilidad sea diversa ante un
número mayor de veces que se repite el experimento podemos observar que la tendencia de cada
probabilidad se acerca mucho al valor del evento. Se observa claramente que en el evento n=50000 ya se
tenía la aproximación deseada.

Codigo:

function [ ] = MuestreoSinRemplazo( )

clc

extractions=100;
RG=0;
GR=0;
RR=0;
GG=0;

for i=1:extractions

x=randperm(6);

%extraction 1,2,3 Red - 4,5,6 Green

if x(1)==1 || x(1)==2 || x(1)==3%Red

if x(2)==4||x(2)==5||x(2)==6%Green

RG=RG+1;
frecu(i)=1;

else %RED
RR=RR+1;
frecu(i)=2;
 end
end

if x(1)==4 || x(1)==5 || x(1)==6%Green

if x(2)==1||x(2)==2||x(2)==3%Red

GR=GR+1;
frecu(i)=3;

else %Green
GG=GG+1;
frecu(i)=4;

end
end
end

%
for i=1:4
f(i)=length(find(frecu==i));

end
fprintf('\npresione enter para empezar...')
pause
bar(frecu);
fprintf('\nlas bolas han sido tomadas')
fprintf('\npresione enter para continuar...')
pause
bar(f)
fprintf('\nreacomodando casos: 1:RV 2.RR 3.VR 4.VV')
fprintf('\npresione enter para continuar...')
pause
explode=[1 0 0 0];
%pie3(f,{'RG','RR','GR','GG'})
pie3(f,explode)

fprintf('\nLa probabilidad de Rojo Verde es:')

prblty=RG/extractions

end

Problemas Adicionales
Aplicando la teoría estudiada, calcular las soluciones analíticas a cada uno de los siguientes problemas.

En cada caso verificar las respuestas obtenidas mediante la correspondiente simulación en Octave 1 (o MatLab
R) para un número bastante grande de experimentos usando la metodología expuesta en la sección anterior.

Ustedes deben primero decidir si el problema es equivalente a un muestreo con o sin reemplazo.

1. Una moneda normal es lanzada cuatro veces. Cuál es la probabilidad de obtener dos caras" y
dos sellos" en cualquier orden?

Considerando una moneda sin ningún arregla el S en el primer lanzamiento es S= { H , T }

1 1
Donde p ( H )= y p ( T )= si el nuevo campo es de en la posibilidad de 4 lanzamientos
2 2
 1
∗1
2
∗1
2
∗1
2 1
p ( HH TT ) = =
2 16

Dice se considera S= { HHTT ,TTHH , HTHT , THTH , HTTH , THHT … } hasta16 posibilidades
Donde el evento E={HHTT , TTHH }

p ( E )=2 ( 161 )= 18 =0.125

Análisis en matlab

Considerando que el análisis se realiza 100 veces, la probabilidad de el evento E es

Subiendo a 500
 CODIGO 1 – ADICIONALES

function [ ] =
Con 1000 Extra1Coin( )

clc
Con 50000
%define number of releases
releases=100000;
Con 100000 HHTT=0;
TTHH=0;

for i=1:releases

for i=1:4

2. Un sorteo tiene bolas numeradas desde 1 hasta aux(i)=ceil(2*rand);

10. Cinco bolas son extraídas y el ganador debe end
coincidir con los cinco valores sin importar el
orden. Cual es la probabilidad de ganar? %1 H , 2T
if aux(1)==1 &&
Considerando que es un muestreo sin remplazo las aux(2)==1
posibilidades van disminuyéndose conforme se realiza el if aux(3)==2 &&
experimentos aux(4)==2
HHTT=HHTT+1;
end
E={ sacar 5 numeros cualquieras del 1 al 10 } end
if aux(1)==2 &&
1 aux(2)==2
∗1 if aux(3)==1 &&
10 aux(4)==1
∗1
9 TTHH=TTHH+1;
∗1 end
8
∗1 end
7 1 end
p E=
( ) = =3.3 x 10−5
6 30240
probblty=(HHTT/releases)+
El efecto de no remplazar la bola hace que se reduzca (TTHH/releases)
aumente la posibilidad de cada siguiente bola pero a la vez la
posibilidad de ganar sigue siendo muy baja

Análisis en matlab:
end
Para este análisis se usó randperm para generar una supuesta
caja con los 10 elementos

Se asumió un ganador como 1,2,3,4,5 Entre más pruebas se realice se

puede tener una mejor
Al repetir este evento n=100, n=500,n=1000
aproximación del evento.
 CODIGO 2 – ADICIONALES
Con n=50000
function [ ] =
Extra2Balls10( )

clc

games=1000000;
Con n=1000000
winner=[1 2 3 4 5];
probblty=0;

for i=1:games

box=randperm(10);

El resultado es aproximado a el resultado teórico pero sería if box(1)==winner(1)

necesario más eventos para acercarnos mas && box(2)==winner(2) &&
box(3)==winner(3) &&
box(4)==winner(4) &&
box(5)==winner(5)

3. Dos dados de 4 lados son lanzados al mismo

tiempo, repitiéndose tres veces la experiencia. probblty=probblty+1;
Cuál es la probabilidad de que un doble 4 sea end
lanzado al menos una de las tres veces posibles? end

La probabilidad que se de cualquiera de los lados del dado fprintf('Su boleto fue: ')
considerando que no tiene ningún arreglo winner
1 win=probblty/games;
E={ cara=4 }=
4 fprintf('\nSu probabilidad
Ya que son dos dados lanzados simultáneamente, la de ganar es: %f',win)
probabilidad de que ambos den la misma cara o cualquier winper=win*100;
cara es de fprintf('\nPorcentaje de
1 ganar con el numero es:
∗1 %f\n',winper)
4
p ( D1=D2=4 )= =0.0625
4
end
Simulación en matlab

Tomando en cuenta que se va a realizar el evento más de una

vez con todos sus elementos, se trata de un muestreo sin
remplazo, como el enunciado requiere 3 experiencias no se Entre más pruebas se realice se
espera el resultado deseado. puede tener una mejor
N=3
aproximación del evento. A pesar
de ser un evento sin remplazo las
probabilidades de ganar en este
tipo de eventos parecen
extremadamente bajas, en un
En otro intento del mismo número de experiencias también ambiente aleatorio controlado.
se llegó a probabilidades de 0%
Como podemos notar no es suficiente para tener el valor
teórico, pero en una experiencia real esto puede darse, CODIGO 3
4 – ADICIONALES
aunque sea bastante probable aparentemente el resultado no function [ ] =
es confiable. Extra4Dies4s(
function [ ] =)
Extra3Dies( )
clc
En un número más alto de experiencias como n=100000 clc
%vars
c4=0;
%define number of rolls
%vars
experience=50000;
c4=0;

for i=1:experience
Que ya es más cercano al valor teórico. %define number of rolls
for j=1:6
rolls=1;
die(j)=ceil(4*rand);
for end
i=1:3*rolls
d1=ceil(4*rand);
d2=ceil(4*rand);
for t=1:5
k=t+1;
if d1==4 && d2==4
c4=c4+1;
end if die(t) ==
end
die(k) && die(k)==4 &&
die(t)==4
fprintf('la probabilidad
4. Un dado de 4 lados es lanzado seis veces. Cuál es del evento es: ')
la probabilidad de lanzar dos 4's consecutivos?
(Esto es mucho más fácil simular que calcular a %fprintf('Hay dos
mano!) c4=c4/rolls
elementos iguales en %d y
%d\n',die(k), die(t));
c4=c4+1;
Suponiendo aunque el problema no menciona, que sean un
solo un par de 4s y exactamente solo dos de ellos aparecen end
consecutivamente break;
end
El espacio S del evento consiste en 4096 posibilidades end
Entre más pruebas se realice se
Ejemplo del lanzamiento se tuvo {4,4,2,4,4,3} no será
puede tener una mejor
tomado en cuenta como consecutivo y solo se contara como aproximación del evento.
end
una consecuencia.
A pesar de tenerprobabilidad
fprintf('la 3 lanzamientos se
Existen varias posibilidades del evento es: \n')
tuvo un alto porcentaje de
{ 4,4 , x , x , x , x }
probabilidad.
{ x , 4,4 , x , x , x } c4=c4/experience
{ x , x , 4,4 , x , x }
fprintf('el porcentaje del
{ x , x , x , 4,4 , x } evento es: %f %
{x , x , x , x , 4,4 } \n',c4*100)

Todo el espacio del evento es de 1280 posibilidades

end
1280
p ( E )= =0.31 aproximadamente*
4096 Esta simulación nos entrega un
resultado que sería mucho más
difícil manualmente
Ya que hay que restar múltiples casos donde se cumplen más de la excepción y donde no se cuentan algunas
probabilidades

Simulación Matlab

Suponiendo con n=100 experiencias

Con n=500 experiencias

Con n=100000

Podemos concluir que el porcentaje real de que el evento se de en realidad es de 0.243 que es menor al
calculado en el cual se hizo una estimación y no todos los casos en si.

Probabilidad Condicional

Asistencia a Clases
El Director del Departamento preocupado por la pobre asistencia de estudiantes a clases, decide encargar un
estudio para investigar las posibles causas. En particular, el Director está interesado en saber si el horario de
las clases afecta la asistencia y si varía entre hombres y mujeres. Para ello se cuenta la asistencia a dos cursos
casi idénticos, uno llevado a cabo a las 9h00 y otro a las 10h00, y se encuentran los siguientes datos:

Ustedes pueden cargar los datos de estas dos matrices desde el archivo lab1 data.m y deben ser capaces de
responder las preguntas que siguen realizando cálculos directamente sobre estas matrices mediante técnicas de
vectorizacion. Usaremos la notación: M para el evento que un estudiante es hombre, F para el evento que un
estudiante es mujer, P para el evento que un estudiante está presente, y A para el evento que un estudiante está
ausente.

1. Para cada uno de los cursos, use los datos para encontrar las matrices que dan las
probabilidades conjuntas:
 Mediante diagrama de árbol y la resolución del
teorema de la multiplicación que dice:
p ( M ∩ P )= p ( M |P )∗p (P)
O más fácil

p ( M ∩ P )= p ( P|M )∗p ( M )

Aunque depende del punto de vista, con este concepto

se puede desarrollar el algoritmo que estará descrito
en el código del programa utilizado.

2. Para cada uno de los cursos, encuentre dos vectores, uno conteniendo p(M) y p(F), y el otro
conteniendo p(P) y p(A).
1. Use las respuestas anteriores para establecer si, en cada una de los cursos, el género del
estudiante es un factor que afecta su asistencia a clases. Para ello debe determinarse si los
eventos M y F son independientes de los eventos P y A.
 La independencia se muestra mediante el uso del
teorema

Elementos de prb dado por el lieral 1

p ( M ∩ P) p(M ∩ A)
p (F ∩ P) p (F ∩ A)

Si se cumple la propiedad de independencia que se

demuestra mediante:

p ( M ∩ P )= p ( M )∗p(P)

Los elementos de probIDE son dados por

p ( M )∗p(P) p ( M )∗p( A)
p ( F )∗p ( P) p ( F )∗p (A )

Como podemos observar la independencia existe

en la clase 2 pero no en la clase 1

Por lo tanto en la clase 1 el género parece ser un

factor determinante de las faltas.

2. Ahora calcule las matrices conteniendo las probabilidades condicionales de un estudiante

asistir a clases dado su
género:

Que conclusiones podría darle al

Director del Departamento?

Las mujeres tienen igual índice de

asistencia en ambas clases, el género
parece ser un factor importante que
provoca un aumento en los ausentes
de la clase 1

function [ ] = clc class2=[27 9; 18 6];

Misses( )
class1=[9 15;12 4];
%M para evento de un probCON(class1) x=Mx(1,1)+Mx(1,2)+Mx
estudiante Hombre (2,1)+Mx(2,2);
%F para evento de un fprintf('Mostrar
estudiante mujer probabilidades y=Mx(1,:);
%P para evento de un condicionales de la pM=(y(1,1)+y(1,2))/x
estudiante presente Clase 2') ;
%A para evento de un probCON(class2)
estudiante ausente y=Mx(2,:);
pF=(y(1,1)+y(1,2))/x
%evento end ;

%Literal 1 function []=prob(Mx) y=Mx(:,1);

fprintf('probabilida pP=(y(1,1)+y(2,1))/x
des conjuntas clase ;
x=Mx(1,1)+Mx(1,2)+Mx
1')
(2,1)+Mx(2,2);
prob(class1) y=Mx(:,2);
x;
fprintf('probabilida pA=(y(1,1)+y(2,1))/x
des conjuntas clase ;
2') prb=Mx/x
prob(class2) end
%literal 2 probIDE=[pM*pP pM*pA
function []=pMpF(Mx) ; pF*pP pF*pA]
%Literal2
fprintf('Probabilida
x=Mx(1,1)+Mx(1,2)+Mx end
d Clase 1: ')
pMpF(class1) (2,1)+Mx(2,2);
pPpA(class1) function
y=Mx(1,:); []=probCON(Mx)
fprintf('Probabilida pM=y/x
d Clase 2: ') x=Mx(1,1)+Mx(1,2)+Mx
pMpF(class2) y=Mx(2,:); (2,1)+Mx(2,2);
pPpA(class2) pF=y/x prb=Mx/x;

%Literal3 end y=Mx(1,:);

fprintf('Mostrar pM=(y(1,1)+y(1,2))/x
independencia de la function []=pPpA(Mx) ;
Clase 1')
prob(class1) x=Mx(1,1)+Mx(1,2)+Mx y=Mx(2,:);
IDE(class1) (2,1)+Mx(2,2); pF=(y(1,1)+y(1,2))/x
;
fprintf('Mostrar y=Mx(:,1);
independencia de la pP=y/x prb(1,1)/pM;
Clase 2') prb(1,2)/pM;
prob(class2) prb(2,1)/pF;
y=Mx(:,2);
IDE(class2) prb(2,2)/pF;
pA=y/x
%Literal 4 prb
end
fprintf('Mostrar
probabilidades end
condicionales de la
Clase 1') function []=IDE(Mx)

Lanzamiento de Moneda Cargada

Suponga que existen 2 monedas. Una de ellas es normal con probabilidad de obtener una \cara" o un
\sello" igual a 0.5. La segunda moneda está cargada: la function [ ] = CoinFinal(
probabilidad de obtener una \cara" es 0.6 y la )
probabilidad de obtener un \sello" 0.4. clc
EXP=[1 3;1 2]
prob(EXP)
Para este ejercicio se asumen eventos IDE(EXP)
H para Head(cara)
T para Tail(sello) EXP=[3 2;3 2]
FC para Fair coin (moneda sin peso) prob(EXP)
WC para wighted coin (moneda con peso) IDE(EXP)

Se puede establecer una tabla de relación end

FC WC function [ ] = CoinFinal(
H 1 3 )
function []=prob(Mx)
T 1 2 clc
EXP=[1 3;1 2]
x=Mx(1,1)+Mx(1,2)+Mx(2,1)+
%literal 1
Mx(2,2);
Este cuadro nos ayuda a determinar las probabilidades y x; probCON(EXP)
desarrollar un algoritmo, y también poder cargar una matriz
para ayudarnos a la resolución del problema, esta relación end
prb=Mx/x
cumple con la probabilidad de WC que anuncia el problema, end
como vemos 3 a 2 de que sea H o T, es equivalente a 3/5 y function []=probCON(Mx)
2/5 respectivamente es 0.6 y 0.4 mientras que la probabilidad function []=IDE(Mx)
de H o T en FC es 1 a 1 o 0.5 para las dos. x=Mx(1,1)+Mx(1,2)+Mx(2,1)+
x=Mx(1,1)+Mx(1,2)+Mx(2,1)+
Mx(2,2);
Mx(2,2);
prb=Mx/x;
1. Una de las 2 monedas es seleccionada al azar. La y=Mx(1,:);
moneda es lanzada y aparece \cara". Cuál es la y=Mx(1,:);
pM=(y(1,1)+y(1,2))/x;
probabilidad que la moneda seleccionada sea la pH=(y(1,1)+y(1,2))/x;
cargada, dado que resulto \cara" el lanzamiento? y=Mx(2,:);
y=Mx(2,:);
pF=(y(1,1)+y(1,2))/x;
Esto se puede analizar como probabilidad condicional de pT=(y(1,1)+y(1,2))/x;
p ( WC ∩ H ) y=Mx(:,1);
p ( WC|H )= prb(1,1)=prb(1,1)/pH;
p(H) pP=(y(1,1)+y(2,1))/x;
Asumiendo primero la matriz de intersecciones prb(1,2)=prb(1,2)/pH;
prb(2,1)=prb(2,1)/pT;
y=Mx(:,2);
prb(2,2)=prb(2,2)/pT;
pA=(y(1,1)+y(2,1))/x;
p(FC ∩ H ) p(WC ∩ H)
p(FC ∩T ) p(WC ∩T ) prb
probIDE=[pM*pP pM*pA ;
pF*pP pF*pA]
Luego divido para la probabilidad que necesito end
end
p ( FC ∩ H ) p ( WC ∩ H )
p (H) p(H )
p ( FC ∩T ) p ( WC ∩T )
p (T ) p(T )
Realizamos la simulación en matlab sistematizando el
proceso que y obtenemos la respuesta

Como vemos la probabilidad de obtener cara y que esta

provenga de la moneda con peso es de 75%
2. La misma moneda es lanzada una segunda vez.
Cuál es la probabilidad que la moneda salga
 “cara", dado que ya salió \cara" el primer lanzamiento? Por qué los 2 eventos no son
independientes?

Dado que es la intersección de dos eventos, la probabilidad de que salga H1 la

primera vez depende totalmente de lo que paso antes, cuando se decidió si era una moneda con pero
comparada con una sin peso
Podemos demostrar la independencia de cada evento.
La segunda parte del evento se manifiesta como
H2 T2
H1 1 3
T1 1 2

Como vemos el evento uno es dependiente y el segundo evento es independiente ya que cumple le propiedad
de la independencia, pero como la segunda parte del experimento depende de la primera parte que si es
dependiente. Si demostramos cada uno de los eventos individuales es posible demostrarlo mediante el
programa en matlab.

3. Suponga que una de las monedas es lanzada 2n veces. Escriba una función en Octave para
calcular la probabilidad de obtener “caras" y n “sellos", dado que la moneda es normal y dado
que la moneda está cargada (este debe ser un argumento de la función). La función debe
operar para cualquier valor de n.

function [] = ProCoin(N,tipoMoneda)
Se debe escoger el valor de N lanzamientos
tipoMoneda: 1 para moneda limpia, 2 para cargada function [ ] =
CoinFinal3( )
Probabilidades de moneda limpia: %ProCoin(N lanzamientos
tipo int,1 para moneda
n=100 limpia 2 para cargada)
PRO = ProCoin(100,2);
end
0.4900 0.5100
n=500 function [] =
PRO = ProCoin(N,tipoMoneda)
H=0;
0.5240 0.4760 T=0;
for i=1:2*N
n=1000
if(tipoMoneda==1)
PRO =
m=ceil(rand()*2);
if(m==1)
0.4900 0.5100
H=H+1;
n=50000 else
PRO = T=T+1;
end
0.5002 0.4998 else
n=100000 m=rand();
PRO = if m<=0.6
H=H+1;
0.5007 0.4993 else
T=T+1;
En cuanto a una moneda limpia el valor si corresponde al end
teorico ya muy aproximado en el que n=100000 end
end
2.- Moneda Cargada
Probabilidades de moneda limpia: PRO=[H T];
PRO=PRO/(2*N);
n=100 PRO
PRO = bar(PRO)
end
0.5950 0.4050
n=500
PRO =

0.5860 0.4140
n=1000
PRO =

0.5980 0.4020
n=50000
PRO =

0.6025 0.3975
n=100000
PRO =
 function [ ] =
1.6013 0.3987 CoinFinal4( )
%ProCoin(N lanzamientos
tipo int,1 para moneda
limpia 2 para cargada)
clc
AA=ProCoin(40);
AA
end

function [PRO] =
ProCoin(N)
H=0;
T=0;
C=0;
for i=1:2*N

tipoMoneda=ceil(rand()*2);

if(tipoMoneda==1)
m=ceil(rand()*2);
if(m==1)
H=H+1;
C(i)=1;
else
T=T+1;
C(i)=2;
end
else
m=rand();
if m<=0.6
H=H+1;
C(i)=1;
else
T=T+1;
C(i)=2;
end
end
end
for i=1:2

f(i)=length(find(C==i));
end
PROX=[H T];
PRO=PROX/(2*N);
bar(C)
bar(f)
4. Una moneda fue seleccionada aleatoriamente. end
Use la función anterior para calcular la
probabilidad de que la moneda seleccionada este
cargada, dado que n lanzamientos fueron “cara"
y n lanzamientos fueron “sello”. Grafique el
valor de esta probabilidad para n entre 0 y 40.
Explique la forma de la curva.
Dado una serie de lanzamientos al azar y sabiendo que estos fueron escogidos aleatoriamente. Podemos
determinar la incidencia mayoritaria de caras así que de un grupo de lanzamientos y con la referencia de la
parte 1 del ejercicio determinamos que del total de caras que se pueden obtener el 75% provenían de la bola
cargada, en este caso de 80 lanzamientos ya que es 40*N, 44 son caras y de las 44, 33 provienen de la moneda
cargada. Por lo tanto existe la gran probabilidad que de los lanzamientos al menos de cara vinieron de la
moneda cargada y al ser la mayoría en la mayor aumentan las posibilidades

5. Ahora suponga que existen 2 monedas cargadas (idénticas a la anterior) y una moneda normal.
Una moneda es seleccionada aleatoriamente. Dado el mismo escenario de que son obtenidas
n \caras" y n \sellos", modifique los cálculos de la pregunta anterior para obtener la
probabilidad de que la moneda seleccionada este cargada. Cuál es el valor más pequeño de n
para el cual es más probable que la moneda seleccionada sea la normal?
 function [ ] =
CoinFinal5( )
%ProCoin(N lanzamientos
tipo int,1 para moneda
limpia 2 para cargada)
clc
AA=ProCoin(40);
AA
end

function [PRO] =
ProCoin(N)
H=0;
T=0;
C=0;
for i=1:2*N

tipoMoneda=ceil(rand()*3);

if(tipoMoneda==1)
m=ceil(rand()*2);
if(m==1)
H=H+1;
C(i)=1;
Al igual que en el caso anterior podemos determinar con else
certeza que el número de caras obtenidas en experimento es T=T+1;
relativamente grande con respecto al número de sellos, de la C(i)=2;
determinación de la probabilidad vemos que existe un 0.60 end
de probabilidad total de caras de las cuales al ser 3 las end
if(tipoMoneda==2)
monedas aleatorias. La probabilidad de cara es de
m=rand();
1 if m<=0.6
∗3
3 2 H=H+1;
P ( H )= ∗2=
5 5 C(i)=1;
Que corresponden a las monedas arregladas. else
Por lo tanto la probabilidad de que estas provengan de la T=T+1;
moneda limpia es muy baja. C(i)=2;
end
end
if(tipoMoneda==3)
m=rand();
if m<=0.6
H=H+1;
C(i)=1;
else
T=T+1;
C(i)=2;
end
end
end
for i=1:2

f(i)=length(find(C==i));
end
PROX=[H T];
PRO=PROX/(2*N);
bar(C)