You are on page 1of 35

PROBABILIDAD BÁSICA

Matemáticas Discretas para el Diseño Geométrico

CONSIDERACIÓN

Estos temas no son exclusivos de matemáticas discretas.

ENTRANDO EN EL TEMA: MODELADO DE
TÓPICOS

SOPA DE PROBABILIDAD .

PROBABILIDAD  Posibilidad en el largo plazo de que un resultado ocurra para un proceso aleatorio. .

PROCESO ALEATORIO  Proceso capaz de generar una secuencia de resultados que son impredecibles. No permite una estrategia exitosa de apuestas. .

.COMPORTAMIENTOS Siempre es el mismo. Varía de acuerdo a una cierta probabilidad.

. Supervisar un producto.EXPERIMENTO  Algo que genera un resultado. Ejemplos       Tirar una moneda. Ver el estado de una máquina. Sacar una bola de una urna. Sacar un juego de cartas.

Ejemplos Moneda = {águila. n  Z}   . niña}  Dado = {n | 1 <= n <= 6.ESPACIO MUESTRAL  Conjunto de todos los posibles resultados. sol}  Bebé = {niño.

TIPOS DE ESPACIOS MUESTRALES  Discretos   Finitos  Moneda. Horas que tarda un algoritmo en resolver un problema Infinitos contables   Continuos  Infinitos incontables Tiempo que toma un proceso en una computadora  Se representa con rangos  Si se discretiza. bebé. dado. etc. se hace contable  .

3.EVENTO  Subconjunto del espacio muestral. Ejemplos   DadoImpar={1.5} .

: S  P(S)  P(S)  [0.FUNCIÓN DE PROBABILIDAD  Asigna un número real P(S) a un evento S.  El número es entre cero y uno. 1] f .

. Número entre cero y uno. 2. Sumar las probabilidades 3. Probabilidad de un conjunto de resultados individuales del espacio muestral = 1. La suma de estos resultados individuales debe ser 1.PROPIEDADES DE LA PROBABILIDAD 1.

 Ejemplos:  Probabilidad de que el dado caiga en número impar.  .  un motor se encuentre en un cierto estado.  una computadora falle.  una carta sea as.  un día sea nublado.  Se ocupa de una única característica.PROBABILIDAD MARGINAL  Probabilidad (sola) de un evento A.

CÁLCULO DE PROBABILIDAD MARGINAL maneras en que sucede A P( A)  número de posibles resultados .

  P(A  B) Probabilidad de que A o B.PROBABILIDAD DE UNIÓN  Probabilidad para la unión de dos eventos A y B.  Ejemplos Obtener un joker (A) o un as (B)  Una computadora esté suspendida (A) o apagada (B)  .

  Ejemplos Obtener un 4 negro.PROBABILIDAD CONJUNTA (INTERSECCIÓN)  Probabilidad de la intersección de dos eventos A y B.  Tener una muela rota (A) y con caries (B)  . P(A  B)  Probabilidad de que A y B.

 P(Ac)  Ejemplos El semáforo esté en un color diferente de rojo.PROBABILIDAD DEL COMPLEMENTO  Probabilidad de cualquier cosa que no sea A.  .  Se obtenga una carta diferente a rey.

PROBABILIDAD CONDICIONAL (A POSTERIORI)  Probabilidad de que A ocurra sabiendo que B ya ocurrió.  . P(A | B)  Probabilidad de A dado B   Ejemplos Obtener un as de espadas dado que la carta es as.  Obtener un 5 ya que el número del dado fue impar.

.CONSIDERACIÓN  El cálculo de las probabilidades anteriores puede involucrar más de dos eventos.

REGLAS Complemento  Multiplicación  Suma  .

4 P(Ac) = 1 – 0.4 = 0.6 .REGLA DEL COMPLEMENTO A= semáforo en rojo P(A) = 0.

 Ocupamos  una probabilidad marginal  una probabilidad condicional  .REGLA DEL PRODUCTO Para encontrar P(A  B).

.REGLA DE LA SUMA  Para encontrar P(A  B).

RECORDANDO: PERMUTACIONES Y COMBINACIONES n! (n  k )! n! k!(n  k )! .

EJERCICIOS CON PÓQUER  Suposición:  La baraja siempre está completa.  Calcula la probabilidad de obtener una reina de corazones  una flor imperial  dos ases (escogiendo sólo dos cartas) o un joker  .

EJERCICIOS CON DADOS  Obtén las probabilidades para la suma de dos dados.  ¿Con qué caso práctico se podría comparar esto? .

EVENTOS INDEPENDIENTES  Si el conocimiento de un evento afecta la probabilidad de otro. éstos se consideran dependientes. ¿Cómo saber esto?  .

LEY DE LA PROBABILIDAD TOTAL .

DIAGRAMAS DE ÁRBOL .

TEOREMA DE BAYES .

DISTRIBUCIÓN DE PROBABILIDAD  Modelo matemático que ajusta un proceso aleatorio. Listado de todos los valores de una variable aleatoria junto con sus probabilidades.   . Ejemplo: Distribuciones de grado en redes complejas.

Tipos    Discreta  Caso especial: booleana Continua .VARIABLE ALEATORIA  Variable cuyos valores se dan por un proceso estocástico (aleatorio).

7. nevado}  P(Clima= soleado) = 0.02 .EJEMPLO  Ejemplo: Variable discreta “Clima” Clima={soleado.02   P(Clima) = 0. 0. 0.2. 0.08  P(Clima= nevado) = 0. lluvioso. nublado.08.7  P(Clima= lluvioso) = 0.2  P(Clima= nublado) = 0.

org/wiki/List_of_statistical_packages  Se hará una demostración de la herramienta. R. SOFA  Otros: http://en.wikipedia. .EVIDENCIA 5  Investiga una herramienta para manejo de probabilidad y estadística Matlab. Octave. Simula. SPSS.   Fecha de exposición: jueves 15 de diciembre.  Prohibido crackear el software.