Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
TEMA:
TEORIA DE PROBABILIDADES
CICLO:
TERCER
AO:
2015
P g i n a 1 | 36
INDICE:
1.-Historia de la probabilidad..pg.04
a) Qu es la Probabilidad y la Estadstica?
3.-Enfoques Conceptuales..pg.08
a) El enfoque clsico
b) El enfoque de frecuencia relativa
c) El enfoque subjetivo
4.- Concepto de Probabilidad.....pg.09
5.-Objetivos..pg.10
6.-Valor de la Probabilidad...pg.11
7.-Teorema de Bayes.pg.12
16.- Bibliografa...pg.28
P g i n a 3 | 36
1.-Historia de la probabilidad:
A mediados del siglo XIX, un fraile agustino austraco, Gregor Mendel, inici el
estudio de la herencia, la gentica, con sus interesantes experimentos sobre el
cruce de plantas de diferentes caractersticas. Su obra, La matemtica de la
Herencia, fue una de las primeras aplicaciones importantes de la teora de
probabilidad a las ciencias naturales.
P g i n a 4 | 36
a.-QU ES LA PROBABILIDAD Y LA ESTADSTICA?
PROBABILIDAD
P g i n a 5 | 36
ESTADSTICA:
P g i n a 6 | 36
2.- INTRODUCCION A LA TEORIA DE PROBABILIDADES:
P g i n a 7 | 36
3.-Enfoques Conceptuales:
P g i n a 8 | 36
4.-Concepto de Probabilidad:
P g i n a 9 | 36
5.-Objetivos especficos:
P g i n a 10 | 36
6.-Valor de la Probabilidad:
P g i n a 11 | 36
7.-Teorema de Bayes:
P g i n a 12 | 36
8.- Interpretacin subjetiva probabilidad:
P g i n a 13 | 36
El clculo matemtico de probabilidades se basa en situaciones tericas en las
cuales puede configurarse un espacio muestral cuyos sucesos elementales
tengan todos la misma probabilidad. Por ejemplo, al lanzar un dado ideal, la
probabilidad de cada una de las caras es 1/6. Al lanzar dos dados, la probabilidad
de cada uno de los resultados es 1/36.
P g i n a 14 | 36
9.- Definicin espacio muestral:
Tipos de sucesos:
P g i n a 15 | 36
10.- ESPACIO DISCRETO Y CONTINUO:
P g i n a 16 | 36
b.- Eventos Complementarios.-
Por ejemplo: si lanzo 100 veces una moneda, el nmero de veces que obtengo
cara es cercano a 50, o sea FR es cercano a 50%.
P g i n a 17 | 36
12.- Simbologa uniones e intersecciones
1. A, B, C=conjuntos.
2. a ,b ,c=elementos de conjuntos
3. U=unin de conjuntos
4. n=interseccin de conjuntos
5. A"= complemento de un conjunto
6. / =dado que
7. \ diferencia
8. <>=diferente de
9. ( )=Conjunto nulo o vaco
10. R= conjunto de los nmeros reales
11. N= conjunto de los nmeros naturales
12. C= conjunto de los nmeros complejos
13. n!= factorial de un numero entero positivo
14. Q= conjunto de los nmeros fraccionarios
15. I= conjunto de los nmeros irracionales
16. c= subconjuntos
17. { }= llaves. Conjuntos vacos
P g i n a 18 | 36
13.- Conclusiones:
P g i n a 19 | 36
Las redes de decisin constituyen un sencillo formalismo para expresar y
resolver problemas de decisin. Son la ampliacin de las redes de creencia,
y cuentan con nodos de decisin y de utilidad, adems de los nodos
aleatorios.
El valor de la informacin se define como la mejora esperada en la utilidad
comparada con lo que se obtendra al tomar la decisin sin el respaldo de
dicha informacin.
Los problemas de decisin secuencial en ambientes inciertos se resuelven
mediante el clculo de una poltica que vincule una decisin ptima con cada
uno de los estados que el agente puede alcanzar.
La iteracin de valores y la iteracin de polticas son dos mtodos que sirven
para calcular las poltica ptimas.
Las redes de decisin dinmicas resuelven problemas de decisin
secuenciales, a travs del manejo de muchas de las cuestiones que se
presentan a los agentes en dominios complejos e inciertos.
Las redes de creencias dinmicas manejan la percepcin sensorial y la
actualizacin a travs del tiempo, y permiten realizar la implantacin del ciclo
de actualizacin.
En general, las decisiones del mundo real que hay que tomar son bajo
riesgo o bajo incertidumbre. En el mundo real no tiene demasiado sentido
P g i n a 20 | 36
preguntarnos si todo es verdad. Las decisiones se basan en
probabilidades, a veces objetivas, a veces subjetivas. Hay que elegir la
alternativa con utilidad esperada mxima, combinando teora de decisin
con teora de utilidad. Es un rea importante de la teora de la cognicin.
La incertidumbre y un acercamiento decisin-terico a la planificacin y al
diseo de agentes.
Este captulo presenta las bases para tratar problemas en la
representacin, la inferencia, la explicacin y la ingeniera de
conocimiento dentro del marco de un agente decisin intensivo.
Histricamente, el desarrollo del razonamiento heurstico surgi con
motivo de la falta de expresividad de los primeros sistemas expertos
probabilistas. Hay una gran relacin entre heurstica y teora. de
probabilidades.
La realidad est llena de incertidumbre y la bsqueda de la felicidad
durante la conducta exteriorizada en acciones es caractersrtica de un
desempeo eficiente. Entonces la novedad incorporada garante
Ms flexibilidad y Ms eficiencia.
Aunque la reciente investigacin sobre las ideas de aplicar ciencia de la
decisin a los planificadores y a los sistemas expertos parece
sobradamente interesante, solamente unos pocos prototipos han
aparecido hasta la fecha.
Ms all de los sistemas expertos, vemos importantes oportunidades para
la aplicacin de ideas de la ciencia de la decisin a solucionar temas de
planificacin ms eficientes, buen razonamiento temporal y aprendizaje.
Sin embargo, sigue habiendo barreras prcticas en la aplicacin de estas
ideas.
P g i n a 21 | 36
c.- Conclusiones personales:
P g i n a 22 | 36
14.- Web grafa o linkografa :
http://www.javeriana.edu.co/Facultades/Ciencias/fnovoa/probabilidad%20notas
%20de%20clase/Capitulo%20VI.doc
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
http://server2.southlink.com.ar/vap/PROBABILIDAD.htm
http://datateca.unad.edu.co/contenidos/100402/moduloexe/bibliografa.htmlhttp:/
/www.fvet.edu.uy/estadis/probabilidad.htm
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
http://www.angelfire.com/ia3/aisite/conclusion_v.htm
http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm
http://www.uantof.cl/facultades/csbasicas/Matematicas/academicos/emartinez/E
stadistica/index.html
http://www.cortland.edu/flteach/stats/links.html
http://www.monografias.com/trabajos32/teoria-probabilidades/teoria-
probabilidades.shtml#objet
http://www.d16acbl.org/U173/Brmx_prob1.html#_1
http://espanol.geocities.com/eprobabilidades/index.htm
http://www.bdigital.unal.edu.co/6187/5/9589322751_Parte1.pdf
http://www.estadisticaparatodos.es/historia/histo_proba.html
P g i n a 23 | 36
15.- Problemas desarrollados:
a.- Ejemplo:
b.- Ejemplo:
c.- ejemplo:
Una urna contiene dos monedas de plata y tres de cobre. Otra contiene cuatro
monedas de plata y tres de cobre. Si se elige una urna al azar y se extrae una
moneda al azar. Cul es la probabilidad de que la moneda extrada sea de
plata?.
P g i n a 24 | 36
d.- ejemplo:
P(A)=P(C)P(A/C)+P(L)P(A/L)=0,450,3+0,550,4=0,355
e.- ejemplo:
Un dado est trucado de manera que son iguales las probabilidades de obtener
2, 4 o 6, tambin son iguales las probabilidades de obtener 1, 3 o 5 y la
probabilidad de obtener 2 es doble que la probabilidad de sacar 1. Deducir
razonadamente cul es la probabilidad de que al lanzar el dado dos veces se
obtenga una suma igual a 7.
P(2)=P(4)=P(6)=P(A) P(1)=P(3)=P(5)=P(B)
P(A)=2P(B)
sacar siete es posible con 1-6 , 6-1 , 3-4 , 4-3 , 5-2, 2-5,
g.- ejemplo:
Una compaa dedicada al transporte pblico explota tres lneas de una ciudad,
de forma que el 60% de los autobuses cubre el servicio de la primero lnea, el
30% cubre la segunda y el 10% cubre el servicio de la tercera lnea. Se sabe que
la probabilidad de que, diariamente, un autobs se avere es del 2%, 4% y 1%,
respectivamente, para cada lnea. Determina la probabilidad de que, en un da,
un autobs sufra una avera.
El suceso "sufrir una avera" (Av) puede producirse en las tres lneas, (L1, L2, L3).
Segn el teorema de la probabilidad total y teniendo en cuenta las probabilidades
del diagrama de rbol adjunto, tenemos:
= 0.6 0.02 + 0.3 0.04 + 0.1 0.01 = 0.012 + 0.012 + 0.001 = 0.025
P g i n a 26 | 36
h.- ejemplos:
P(alcance) =P(P)=P(P/A)P(A)+P(P/B)P(B)+P(P/C)P(C)=
0,250,4+0,60,5+0,150,6=0,49
P g i n a 27 | 36
16.- Bibliografa:
BlaisePascal:
P g i n a 28 | 36
ChristianHuygens:
Nacimiento:
14 de abril de 1629 La Haya,
Fallecimiento:
8 de julio de 1695 La Haya,
Ocupacin:
Matemtico, fsico y astrnomo
Christiaan Huygens (14 de abril de 1629 - 8 de juliode 1695) fue
un astrnomo, fsico y matemtico neerlands, nacido en La Haya
Biografa:
naci en el seno de una importante familia holandesa. Su padre, el diplomtico
Constantin Huygens, le proporcion una excelente educacin y le introdujo en
los crculos intelectuales de la poca.
P g i n a 29 | 36
En 1666 acept la invitacin de Colbert, ministro de Luis XIV, para volver a Pars
e incorporarse a la Academia de las Ciencias Francesa. Dada su experiencia en
la Royal Society de Londres, Huygens pudo llegar a liderar esta nueva academia
e influir notablemente en otros cientficos del momento, como su amigo y
pupilo Leibniz. Fueron aos muy activos para Huygens, pero se enturbiaron por
sus problemas de salud y las guerras del Rey Sol contra Holanda. Huygens
abandon Francia en 1681. Tras una estancia en su Holanda natal, Huygens
decidi volver a Inglaterra en 1689. All volvi a relacionarse con la Royal Society
y conoci a Isaac Newton, con el que mantuvo frecuentes discusiones
cientficas. Y es que Huygens siempre critic la teora corpuscular de la luz y la
ley de la Gravitacin universal de Newton. Volvi a Holanda poco antes de morir.
Nunca se cas ni tuvo descendencia, al igual que Newton.
Obra cientfica:
Matemticas
Huygens fue uno de los pioneros en el estudio de la Probabilidad, tema sobre el
que public el libro De ratiociniis in ludo aleae (Sobre los Clculos en los Juegos
de Azar), en el ao 1656. En el introdujo algunos conceptos importantes en este
campo, como la esperanza matemtica, y resolva algunos de los problemas
propuestos por Pascal, Fermat y De Mr.
P g i n a 30 | 36
Fsica:
P g i n a 31 | 36
Pierre-Simon Laplace:
P g i n a 32 | 36
Modelo de Laplace:
Pierre de Fermat:
Nacimiento:
17 de agosto de 1601Beaumont-de-Lomagne, Francia
Fallecimiento:
12 de enero de 1665Castres, Francia
Pierre de Fermat (Beaumont-de-Lomagne, Francia, 17 de
agosto de1601 - Castres, Francia, 12 de enero de 1665), fue un jurista y
destacado matemtico. Fue abogado en el Parlamento de Toulouse, en el sur de
Francia, y matemtico clave para el desarrollo del clculo moderno. Tambin
hizo notables contribuciones a la geometra analtica
Fermat es mejor conocido por su Enigma, una abstraccin del Teorema de
Pitgoras, tambin conocido como ltimo Teorema de Fermat, que tortur a los
matemticos durante aproximadamente 350 aos, hasta que fue resuelto
en 1995. Junto con Ren Descartes, Fermat fue uno de los lderes matemticos
de la primera mitad del siglo XVII. Independientemente de Descartes, descubri
el principio fundamental de la geometra analtica. A travs de su
correspondencia con Blaise Pascal, fue co-fundador de la teora
de probabilidades.
P g i n a 33 | 36
Fermat naci el 17 de agosto de 1601 en Beaumont-de-Lomagne, una ciudad
situada a 58 kilmetros al noroeste de Toulouse, Francia. La mansin del siglo
XV donde naci es en la actualidad un museo. La escuela ms antigua y
prestigiosa de Toulouse se llama Pierre de Fermat y en ella se imparten clases
de ingeniera y comercio. Est situada entre las diez mejores de Francia para
clases preparatorias.
Fermat era un matemtico que trabajaba la mayor parte del tiempo en soledad.
Su nico contacto con el resto de la comunidad matemtica fue gracias a Marin
Mersenne. Cabe destacar tambin un breve intercambio de cartas con Blaise
Pascal. Los resultados de Fermat fueron conocidos por otros pensadores
europeos gracias a Mersenne, que los reenvi e hizo una amplia distribucin.
Matemticas:
P g i n a 34 | 36
Fermat en el siglo XX:
P g i n a 35 | 36
Freund, John E. Miller, Irwin y Miller Marylees; Estadstica matemtica
con aplicaciones;Pearson Educacin; 6 Ed; Mxico 2000.
P g i n a 36 | 36