Este documento presenta diferentes distribuciones de probabilidad incluidas en el módulo de "Cálculo de probabilidades". Describe distribuciones discretas como la uniforme discreta, binomial y geométrica, así como distribuciones continuas como la normal, uniforme, exponencial, gamma y logística. Explica conceptos básicos como la función de distribución de probabilidad y los parámetros asociados a cada distribución.
Este documento define la probabilidad como un número entre 0 y 1 que indica la posibilidad de que ocurra un suceso aleatorio. Explica la fórmula de Laplace para calcular la probabilidad y provee ejemplos de calcular la probabilidad de resultados de lanzar un dado o vivir 20 años. También describe conceptos como espacio muestral, sucesos, tipos de probabilidad como empírica, subjetiva y objetiva, y probabilidad condicionada.
El documento define el valor esperado como un promedio ponderado que toma en cuenta la probabilidad de cada resultado posible de una variable aleatoria. Explica que los momentos son valores esperados de funciones de la variable y caracterizan su distribución de probabilidad. El segundo momento con respecto a la media se conoce como varianza, y su raíz cuadrada es la desviación estándar. Además, enumera propiedades del valor esperado como operador lineal.
Este documento introduce los conceptos básicos de probabilidad y estadística. Explica que la probabilidad se utiliza para modelar fenómenos no deterministas mediante la asignación de probabilidades a los posibles resultados. También define conceptos clave como población, muestra y espacio muestral.
El documento define una relación binaria como un subconjunto de la multiplicación cartesiana de dos conjuntos A y B. Describe las propiedades de reflexividad, simetría, asimetría, transitividad y antisimetría que pueden tener las relaciones binarias. También define el dominio y rango de una relación como los conjuntos de las primeras y segundas componentes de los pares ordenados en la relación. Finalmente, da ejemplos de relaciones binarias entre conjuntos de productos y animales de producción, y entre números.
El documento describe diferentes tipos de distribuciones de probabilidad, incluyendo distribuciones discretas como la binomial y distribuciones continuas como la normal. Explica conceptos clave como función de probabilidad, media, varianza, función de densidad y función de distribución. También proporciona ejemplos para ilustrar estos conceptos estadísticos fundamentales.
Diapositivas del curso de Probabilidad y Estadística en la Prepa-UVAQ campus Santo Tomas Moro. Aprendemos la formula de la Distribución Binomial (de Bernoulli) y como usarla.
Este documento presenta conceptos básicos de probabilidad, incluyendo el álgebra de eventos, los criterios para determinar la probabilidad de ocurrencia de un evento (frecuencia relativa, equiprobabilidad, subjetiva), y teoremas como la suma y la intersección de eventos. Explica estos conceptos a través de ejemplos como el lanzamiento de una moneda y un dado, y analiza la probabilidad en un estudio de deportistas.
Este documento presenta diferentes distribuciones de probabilidad incluidas en el módulo de "Cálculo de probabilidades". Describe distribuciones discretas como la uniforme discreta, binomial y geométrica, así como distribuciones continuas como la normal, uniforme, exponencial, gamma y logística. Explica conceptos básicos como la función de distribución de probabilidad y los parámetros asociados a cada distribución.
Este documento define la probabilidad como un número entre 0 y 1 que indica la posibilidad de que ocurra un suceso aleatorio. Explica la fórmula de Laplace para calcular la probabilidad y provee ejemplos de calcular la probabilidad de resultados de lanzar un dado o vivir 20 años. También describe conceptos como espacio muestral, sucesos, tipos de probabilidad como empírica, subjetiva y objetiva, y probabilidad condicionada.
El documento define el valor esperado como un promedio ponderado que toma en cuenta la probabilidad de cada resultado posible de una variable aleatoria. Explica que los momentos son valores esperados de funciones de la variable y caracterizan su distribución de probabilidad. El segundo momento con respecto a la media se conoce como varianza, y su raíz cuadrada es la desviación estándar. Además, enumera propiedades del valor esperado como operador lineal.
Este documento introduce los conceptos básicos de probabilidad y estadística. Explica que la probabilidad se utiliza para modelar fenómenos no deterministas mediante la asignación de probabilidades a los posibles resultados. También define conceptos clave como población, muestra y espacio muestral.
El documento define una relación binaria como un subconjunto de la multiplicación cartesiana de dos conjuntos A y B. Describe las propiedades de reflexividad, simetría, asimetría, transitividad y antisimetría que pueden tener las relaciones binarias. También define el dominio y rango de una relación como los conjuntos de las primeras y segundas componentes de los pares ordenados en la relación. Finalmente, da ejemplos de relaciones binarias entre conjuntos de productos y animales de producción, y entre números.
El documento describe diferentes tipos de distribuciones de probabilidad, incluyendo distribuciones discretas como la binomial y distribuciones continuas como la normal. Explica conceptos clave como función de probabilidad, media, varianza, función de densidad y función de distribución. También proporciona ejemplos para ilustrar estos conceptos estadísticos fundamentales.
Diapositivas del curso de Probabilidad y Estadística en la Prepa-UVAQ campus Santo Tomas Moro. Aprendemos la formula de la Distribución Binomial (de Bernoulli) y como usarla.
Este documento presenta conceptos básicos de probabilidad, incluyendo el álgebra de eventos, los criterios para determinar la probabilidad de ocurrencia de un evento (frecuencia relativa, equiprobabilidad, subjetiva), y teoremas como la suma y la intersección de eventos. Explica estos conceptos a través de ejemplos como el lanzamiento de una moneda y un dado, y analiza la probabilidad en un estudio de deportistas.
Repaso de teoría de conjuntos
Fenómenos determinísticos vs. fenómenos aleatorios
Definición de probabilidad
Interpretación frecuentista y Bayesiana de la probabilidad
Espacio muestral, eventos
Sigma-álgebra
Medida de probabilidad, definición, propiedades
Axiomas de Kolmogorov
Probabilidad conjunta, marginal, condicional
Eventos independientes
Teorema de las probabilidades totales, teorema de Bayes
Técnicas de conteo: factorial, permutación, combinatoria
Teorema de bayes, probabilidad total & probabilidad condicional Cynthiia Ot
Este documento explica los conceptos de probabilidad total, probabilidad condicional y el teorema de Bayes. La probabilidad total permite calcular la probabilidad de un evento a partir de probabilidades condicionales. La probabilidad condicional es la probabilidad de un evento dado otro evento. El teorema de Bayes permite calcular la probabilidad de un evento dado evidencia de otro evento. El documento proporciona ejemplos para ilustrar cada concepto.
Este documento presenta un resumen de los conceptos clave de límites matemáticos. Define un límite como el número L al que se aproximan los valores de una función f(x) cuando x se acerca a un valor a. Incluye propiedades como que el límite de una suma es la suma de los límites individuales y el límite de un producto es el producto de los límites. También cubre métodos para calcular límites como sustituir el valor límite directamente en la función o usar reglas para límites de funciones racionales, raíz cu
Presentación sobre el cálculo de probabilidades.
Operaciones con sucesos,regla de Laplace,probabilidad condicionada,probabilidad total,teorema de Bayes.
Con algunos ejercicios.
Este documento presenta los conceptos fundamentales de la lógica proposicional. Define una proposición como un enunciado que puede ser verdadero o falso. Explica que la lógica proposicional estudia la formación de proposiciones complejas a partir de proposiciones simples usando conectivas lógicas como la negación, conjunción, disyunción y condicional. También presenta tablas de verdad para estas conectivas y leyes lógicas como las leyes de Morgan y la distribución.
El documento presenta conceptos sobre medidas estadísticas como media, mediana, moda, coeficiente de asimetría y curtosis. Explica cómo calcular e interpretar estas medidas y qué indican sobre la simetría y dispersión de los datos. También incluye un ejemplo numérico para demostrar los cálculos y la interpretación del coeficiente de asimetría y curtosis.
Este documento trata sobre probabilidades y experiencias aleatorias. Explica conceptos como espacio muestral, sucesos elementales y compuestos, operaciones con sucesos como unión e intersección, y reglas para calcular probabilidades como la regla de Laplace. También introduce nociones de probabilidad condicionada y sucesos dependientes e independientes. En resumen, provee los fundamentos teóricos básicos para comprender el cálculo de probabilidades.
Este documento presenta los conceptos y procedimientos para realizar pruebas de hipótesis sobre el modelo de regresión. Explica los elementos clave de una prueba de hipótesis como las hipótesis nula y alternativa, el estadístico de prueba, y la región de rechazo. Luego, detalla cómo se aplican estas pruebas de hipótesis al modelo de regresión lineal simple, incluyendo pruebas t para la significancia individual de coeficientes y pruebas F para restricciones lineales múltiples. Final
Este documento introduce el concepto de probabilidad condicional y cómo se calcula. Explica que la probabilidad condicional (P(A|B)) es la probabilidad de que ocurra un evento A, sabiendo que ya ocurrió el evento B. Proporciona un ejemplo y la fórmula de Bayes para calcular probabilidades condicionales. Finalmente, presenta algunos ejercicios para practicar el cálculo de probabilidades condicionales.
La distribución binomial se utiliza para modelar experimentos con dos posibles resultados, como lanzar una moneda o sacar un número en un dado. Se caracteriza por tener un número fijo de pruebas independientes, cada una con la misma probabilidad de éxito. La función binomial permite calcular la probabilidad de obtener un número específico de éxitos tras realizar múltiples pruebas de Bernoulli.
Este documento resume las reglas para calcular límites y derivadas de funciones. Explica cómo calcular límites de cocientes, potencias, funciones polinómicas y raíces, así como límites en el infinito. También resume las principales reglas para calcular derivadas, incluyendo derivadas de constantes, potencias, suma, producto, cociente y cadena.
Este documento presenta información sobre distribuciones de probabilidad. Explica conceptos como variable aleatoria, función de densidad de probabilidad para variables continuas, y distribuciones como la binomial y la hipergeométrica. También cubre el cálculo de media y varianza para distribuciones de probabilidad y proporciona ejemplos ilustrativos.
Este documento introduce conceptos básicos de la teoría de probabilidad e inferencia estadística. Explica que la probabilidad es una medida cuantitativa del grado de certeza o incertidumbre de un evento. Define términos como experimento, resultado, evento y espacio muestral. También describe reglas para calcular probabilidades como la regla de adición y complemento. Finalmente, presenta axiomas fundamentales de la probabilidad.
El documento describe conceptos relacionados con las razones geométricas. Explica que una razón geométrica indica cuántas veces una cantidad contiene a otra. Luego presenta un ejemplo numérico de una razón geométrica y define sus elementos: el antecedente y el consecuente. Finalmente, muestra cómo calcular una razón geométrica y sacar conclusiones a partir de ella analizando la situación financiera de una empresa.
Una introducción a la probabilidad discreta a través de la paradoja del cumpleaños. Se muestran los conceptos básicos de la probabilidad y se muestran ejemplos y ejercicios para realizar en clase a la par que la muestra de las diapositiva. Para un curso de 2º de Bachillerato el tiempo que se debe tardar en presentar estos conceptos debe ser entre 1 hora y hora y media.
Este documento trata sobre las distribuciones muestrales. Explica que una distribución muestral es el resultado de considerar todas las muestras posibles que pueden tomarse de una población y cómo esto permite calcular la probabilidad de acercarse a los parámetros poblacionales. También define conceptos clave como población, muestra aleatoria, parámetros, estadísticos y errores de muestreo. Finalmente, describe cómo las distribuciones muestrales de estadísticos como la media tienden a ser normales según el Teore
Distribuciones muestrales. distribucion muestral de mediaseraperez
Este documento describe las distribuciones muestrales, en particular la distribución muestral de medias. Explica que las medias calculadas a partir de muestras aleatorias de la misma población varían y siguen una distribución normal aproximada. También presenta fórmulas para calcular la probabilidad de que una media muestral tome un valor en particular utilizando la distribución normal estándar. Finalmente, resuelve varios problemas de probabilidad utilizando estas distribuciones muestrales.
Este documento define conceptos básicos de teoría de conjuntos como conjuntos, elementos, pertenencia, notación, relaciones entre conjuntos, operaciones como unión e intersección, y propiedades. Explica conjuntos especiales como el conjunto vacío y los conjuntos numéricos. Finalmente, presenta ejemplos y problemas para aplicar estos conceptos.
Este documento presenta un taller sobre conceptos matemáticos básicos como conjuntos, operaciones con conjuntos, subconjuntos, unión e intersección. Explica los conjuntos vacío y unitario, y define el conjunto de partes de un conjunto. Finalmente, describe cómo el álgebra de Boole se aplica a los subconjuntos de un conjunto universal al verificar propiedades como conmutatividad, asociatividad, distribución y complementariedad.
Repaso de teoría de conjuntos
Fenómenos determinísticos vs. fenómenos aleatorios
Definición de probabilidad
Interpretación frecuentista y Bayesiana de la probabilidad
Espacio muestral, eventos
Sigma-álgebra
Medida de probabilidad, definición, propiedades
Axiomas de Kolmogorov
Probabilidad conjunta, marginal, condicional
Eventos independientes
Teorema de las probabilidades totales, teorema de Bayes
Técnicas de conteo: factorial, permutación, combinatoria
Teorema de bayes, probabilidad total & probabilidad condicional Cynthiia Ot
Este documento explica los conceptos de probabilidad total, probabilidad condicional y el teorema de Bayes. La probabilidad total permite calcular la probabilidad de un evento a partir de probabilidades condicionales. La probabilidad condicional es la probabilidad de un evento dado otro evento. El teorema de Bayes permite calcular la probabilidad de un evento dado evidencia de otro evento. El documento proporciona ejemplos para ilustrar cada concepto.
Este documento presenta un resumen de los conceptos clave de límites matemáticos. Define un límite como el número L al que se aproximan los valores de una función f(x) cuando x se acerca a un valor a. Incluye propiedades como que el límite de una suma es la suma de los límites individuales y el límite de un producto es el producto de los límites. También cubre métodos para calcular límites como sustituir el valor límite directamente en la función o usar reglas para límites de funciones racionales, raíz cu
Presentación sobre el cálculo de probabilidades.
Operaciones con sucesos,regla de Laplace,probabilidad condicionada,probabilidad total,teorema de Bayes.
Con algunos ejercicios.
Este documento presenta los conceptos fundamentales de la lógica proposicional. Define una proposición como un enunciado que puede ser verdadero o falso. Explica que la lógica proposicional estudia la formación de proposiciones complejas a partir de proposiciones simples usando conectivas lógicas como la negación, conjunción, disyunción y condicional. También presenta tablas de verdad para estas conectivas y leyes lógicas como las leyes de Morgan y la distribución.
El documento presenta conceptos sobre medidas estadísticas como media, mediana, moda, coeficiente de asimetría y curtosis. Explica cómo calcular e interpretar estas medidas y qué indican sobre la simetría y dispersión de los datos. También incluye un ejemplo numérico para demostrar los cálculos y la interpretación del coeficiente de asimetría y curtosis.
Este documento trata sobre probabilidades y experiencias aleatorias. Explica conceptos como espacio muestral, sucesos elementales y compuestos, operaciones con sucesos como unión e intersección, y reglas para calcular probabilidades como la regla de Laplace. También introduce nociones de probabilidad condicionada y sucesos dependientes e independientes. En resumen, provee los fundamentos teóricos básicos para comprender el cálculo de probabilidades.
Este documento presenta los conceptos y procedimientos para realizar pruebas de hipótesis sobre el modelo de regresión. Explica los elementos clave de una prueba de hipótesis como las hipótesis nula y alternativa, el estadístico de prueba, y la región de rechazo. Luego, detalla cómo se aplican estas pruebas de hipótesis al modelo de regresión lineal simple, incluyendo pruebas t para la significancia individual de coeficientes y pruebas F para restricciones lineales múltiples. Final
Este documento introduce el concepto de probabilidad condicional y cómo se calcula. Explica que la probabilidad condicional (P(A|B)) es la probabilidad de que ocurra un evento A, sabiendo que ya ocurrió el evento B. Proporciona un ejemplo y la fórmula de Bayes para calcular probabilidades condicionales. Finalmente, presenta algunos ejercicios para practicar el cálculo de probabilidades condicionales.
La distribución binomial se utiliza para modelar experimentos con dos posibles resultados, como lanzar una moneda o sacar un número en un dado. Se caracteriza por tener un número fijo de pruebas independientes, cada una con la misma probabilidad de éxito. La función binomial permite calcular la probabilidad de obtener un número específico de éxitos tras realizar múltiples pruebas de Bernoulli.
Este documento resume las reglas para calcular límites y derivadas de funciones. Explica cómo calcular límites de cocientes, potencias, funciones polinómicas y raíces, así como límites en el infinito. También resume las principales reglas para calcular derivadas, incluyendo derivadas de constantes, potencias, suma, producto, cociente y cadena.
Este documento presenta información sobre distribuciones de probabilidad. Explica conceptos como variable aleatoria, función de densidad de probabilidad para variables continuas, y distribuciones como la binomial y la hipergeométrica. También cubre el cálculo de media y varianza para distribuciones de probabilidad y proporciona ejemplos ilustrativos.
Este documento introduce conceptos básicos de la teoría de probabilidad e inferencia estadística. Explica que la probabilidad es una medida cuantitativa del grado de certeza o incertidumbre de un evento. Define términos como experimento, resultado, evento y espacio muestral. También describe reglas para calcular probabilidades como la regla de adición y complemento. Finalmente, presenta axiomas fundamentales de la probabilidad.
El documento describe conceptos relacionados con las razones geométricas. Explica que una razón geométrica indica cuántas veces una cantidad contiene a otra. Luego presenta un ejemplo numérico de una razón geométrica y define sus elementos: el antecedente y el consecuente. Finalmente, muestra cómo calcular una razón geométrica y sacar conclusiones a partir de ella analizando la situación financiera de una empresa.
Una introducción a la probabilidad discreta a través de la paradoja del cumpleaños. Se muestran los conceptos básicos de la probabilidad y se muestran ejemplos y ejercicios para realizar en clase a la par que la muestra de las diapositiva. Para un curso de 2º de Bachillerato el tiempo que se debe tardar en presentar estos conceptos debe ser entre 1 hora y hora y media.
Este documento trata sobre las distribuciones muestrales. Explica que una distribución muestral es el resultado de considerar todas las muestras posibles que pueden tomarse de una población y cómo esto permite calcular la probabilidad de acercarse a los parámetros poblacionales. También define conceptos clave como población, muestra aleatoria, parámetros, estadísticos y errores de muestreo. Finalmente, describe cómo las distribuciones muestrales de estadísticos como la media tienden a ser normales según el Teore
Distribuciones muestrales. distribucion muestral de mediaseraperez
Este documento describe las distribuciones muestrales, en particular la distribución muestral de medias. Explica que las medias calculadas a partir de muestras aleatorias de la misma población varían y siguen una distribución normal aproximada. También presenta fórmulas para calcular la probabilidad de que una media muestral tome un valor en particular utilizando la distribución normal estándar. Finalmente, resuelve varios problemas de probabilidad utilizando estas distribuciones muestrales.
Este documento define conceptos básicos de teoría de conjuntos como conjuntos, elementos, pertenencia, notación, relaciones entre conjuntos, operaciones como unión e intersección, y propiedades. Explica conjuntos especiales como el conjunto vacío y los conjuntos numéricos. Finalmente, presenta ejemplos y problemas para aplicar estos conceptos.
Este documento presenta un taller sobre conceptos matemáticos básicos como conjuntos, operaciones con conjuntos, subconjuntos, unión e intersección. Explica los conjuntos vacío y unitario, y define el conjunto de partes de un conjunto. Finalmente, describe cómo el álgebra de Boole se aplica a los subconjuntos de un conjunto universal al verificar propiedades como conmutatividad, asociatividad, distribución y complementariedad.
El documento presenta un taller matemático que cubre temas sobre conjuntos y operaciones con conjuntos como unión, intersección y complemento. También introduce conceptos como subconjuntos, conjunto vacío, conjunto unitario y conjunto de las partes. Finalmente, explica que el álgebra de Boole de las partes de un conjunto verifica propiedades como idempotencia, conmutatividad, asociatividad, absorción y distribución.
1) Los conjuntos se pueden definir enumerando sus elementos o describiendo una propiedad que los identifique.
2) Las relaciones fundamentales entre conjuntos son la pertenencia, la inclusión y la intersección.
3) Operaciones como la unión, diferencia, complemento y conjunto de partes permiten manipular conjuntos.
1) Un conjunto es una colección bien definida de elementos llamados objetos o miembros. 2) Se utilizan letras mayúsculas para representar conjuntos y letras minúsculas para representar elementos. 3) Las operaciones básicas con conjuntos incluyen la unión, intersección, diferencia y complemento.
Este documento introduce conceptos básicos sobre conjuntos. Explica que un conjunto es una colección de elementos bien definidos y que podemos establecer si un elemento pertenece o no a un conjunto particular. Describe formas de representar conjuntos, como listando sus elementos o mediante una propiedad que cumplen. También cubre operaciones entre conjuntos como intersección, unión y diferencia.
Este documento presenta conceptos básicos sobre conjuntos. Define conjuntos finitos e infinitos, el conjunto vacío, el conjunto unitario y el conjunto universal. Explica las nociones de pertenencia, determinación de conjuntos por extensión y comprensión, y subconjuntos. También describe operaciones entre conjuntos como la unión, intersección, diferencia y complemento. Finalmente, incluye ejemplos y ejercicios para ilustrar estas ideas fundamentales sobre teoría de conjuntos.
1. Se define un conjunto como una colección de objetos bien definidos llamados elementos o miembros. Se introducen conceptos como subconjunto, conjunto universal, conjunto potencia y conjunto vacío.
2. Se describen operaciones básicas con conjuntos como unión, intersección, complemento, diferencia y producto cartesiano.
3. Se establecen leyes de la teoría de conjuntos como asociatividad, conmutatividad, distribución, absorción e idempotencia.
Este documento presenta una introducción a los conceptos básicos de conjuntos y probabilidad. En la primera sección, define conceptos como conjuntos, elementos, pertenencia a un conjunto, igualdad de conjuntos, subconjuntos, operaciones básicas de conjuntos como unión e intersección, y tipos de conjuntos como conjuntos finitos y contables. La segunda sección lista varias referencias bibliográficas sobre probabilidad y estadística.
El documento introduce conceptos básicos de teoría de conjuntos como pertenencia, complemento, subconjunto, unión, intersección y diferencia. Explica notaciones como ∈ y ∉ para indicar pertenencia y no pertenencia respectivamente. Proporciona ejemplos para ilustrar estas nociones y leyes como doble complemento, De Morgan, conmutativa, asociativa y distributiva.
El documento describe conceptos básicos sobre conjuntos, incluyendo ejemplos de conjuntos, la definición formal de conjunto, formas de determinar un conjunto (extensión y comprensión), operaciones entre conjuntos como unión, intersección, diferencia y diferencia simétrica, y clasificaciones de conjuntos como finitos, infinitos, vacíos y universales. También cubre subconjuntos, diagramas de Venn y relaciones entre conjuntos como inclusión, disyunción e igualdad.
Definición 1.1.1. (informal de conjunto y elementos.) Un conjunto es una coleccion de
objetos, llamados elementos, que tiene la propiedad que dado un objeto cualquiera, se puede
decidir si ese objeto es un elemento del conjunto o no. (Subconjuntos e Inclusion.) Sea A un conjunto. Se dice que un conjunto
B esta contenido en A, y se nota B ⊆ A (o tambien B ⊂ A), si todo elemento de B es un elemento
de A. En ese caso decimos tambien que b esta includo en A, o que B es un subconjunto de A.
Si B no es un subconjunto de A se nota B ̸⊆ A (o B ̸⊂ A).
Este documento presenta información sobre conjuntos matemáticos. Define conceptos como conjunto, elemento, pertenencia a un conjunto, representación de conjuntos, conjuntos finitos e infinitos, subconjuntos y operaciones básicas con conjuntos como unión, intersección y diferencia.
Este documento presenta información sobre conjuntos matemáticos. Define conceptos como conjunto, elemento, pertenencia y no pertenencia a un conjunto. Explica formas de representar conjuntos como tabular y por comprensión. También introduce nociones de subconjuntos, conjuntos vacíos, igualdad de conjuntos, operaciones como unión e intersección.
Este documento presenta conceptos básicos sobre conjuntos. Define conjuntos como colecciones de objetos bien definidos. Explica las formas de definir conjuntos (por extensión y por comprensión), y cómo representar elementos, pertenencia y no pertenencia a conjuntos. También introduce conceptos como subconjuntos, conjuntos vacíos, operaciones entre conjuntos como unión, intersección y diferencia, y diagramas de Venn para representar conjuntos.
Este documento presenta conceptos básicos sobre conjuntos. Define conjuntos como colecciones de objetos bien definidos. Explica las formas de definir conjuntos (por extensión y por comprensión), y cómo representar elementos, pertenencia y no pertenencia a conjuntos. También introduce conceptos como subconjuntos, conjuntos vacíos, operaciones entre conjuntos como unión, intersección y diferencia, y diagramas de Venn para representar conjuntos.
Este documento describe conceptos básicos de conjuntos y relaciones entre conjuntos. Define conjuntos, subconjuntos, conjuntos vacíos, conjuntos potencia, igualdad de conjuntos, operaciones entre conjuntos como unión, intersección y diferencia, y leyes como las de De Morgan. También cubre cardinalidad de conjuntos finitos y teoremas relacionados.
Este documento introduce conceptos básicos sobre conjuntos. Define un conjunto como una colección de objetos y explica cómo se denotan y representan conjuntos. Describe conjuntos especiales como el conjunto vacío, conjunto unitario y conjunto finito e infinito. También cubre operaciones con conjuntos como intersección, unión y diferencia, y propiedades como inclusión e igualdad.
El documento describe varias operaciones y conceptos básicos sobre conjuntos discretos, incluyendo la intersección, unión, diferencia, complemento, subconjuntos, partición y cardinalidad. También describe el producto cartesiano y su relación con los sistemas de coordenadas cartesianas.
Business Plan -rAIces - Agro Business Techjohnyamg20
Innovación y transparencia se unen en un nuevo modelo de negocio para transformar la economia popular agraria en una agroindustria. Facilitamos el acceso a recursos crediticios, mejoramos la calidad de los productos y cultivamos un futuro agrícola eficiente y sostenible con tecnología inteligente.
José Luis Jiménez Rodríguez
Junio 2024.
“La pedagogía es la metodología de la educación. Constituye una problemática de medios y fines, y en esa problemática estudia las situaciones educativas, las selecciona y luego organiza y asegura su explotación situacional”. Louis Not. 1993.
3. Teoría de conjuntos. Definición.
Un conjunto es cualquier colección de objetos:
V={a,e,i,u,o}
D={0,1,2,3,4,5,6,7,8,9}
A={Cádiz, Huelva, Sevilla, Córdoba, Málaga, Granada, Jaén, Almería}
Los conjuntos se nombran mediante un letra
maýuscula (V,D,A) y a los elementos entre
llaves ({}) y separados por comas. Es la
definición del conjunto por extensión.
4. Teoría de conjuntos. Definición.
Un conjunto es cualquier colección de objetos:
V={Las letras vocales}
D={Los dígitos}
A={Las provincias andaluzas}
También se pueden definir mediante un
atributo que represente a todos los elementos
y sólo a éllos. Es la definición del conjunto por
comprensión.
5. Teoría de conjuntos. Representación
Los conjuntos se representan mediante los
diagramas de Venn.
V
u
a
e
i
o
D
6
0
2
4
8
1
5
3
9
7
CádizSevilla
Córdoba
Huelva
Málaga
JaénAlmería
Granada
A
6. Pertenencia
Cuando un elemento está contenido en un
conjunto diremos que pertenece a ese conjunto
y usaremos el signo: ∈
Si no pertenece usaremos el signo: ∉
V={a, e, i, o, u} o ∈ V
y ∉ V
7. Subconjuntos
Un conjunto A es subconjunto de un conjunto
B, si todos los elementos de A pertenecen a B.
V={a,e,i,o,u}
F={a,e,o}
R={i,u,y}
Cualquier conjunto será subconjunto de sí
mismo, también puede representarse por F⊆V.
V
u
a
e
i
o
FF⊂V
F⊄V
8. Conjunto vacío y Cardinalidad
Conjunto vacío es aquel que no contiene
ningún elemento y se representa por: ∅.
La cardinalidad de un conjunto es el número
de elementos que contiene un conjunto.
A={a,b,c,d,e,f} Card(A)=6;
Card(∅)=0;
9. Unión de conjuntos (A⋃B)
El conjunto unión de dos conjuntos es aquel que
contiene todos los elementos de los dos
conjuntos (comunes y no comunes).
A={a,b,c,d,e,f}
B={e,f,g,h,i}
A={a,b,c,d,e,f}
C={k,l}
A⋃B={a,b,c,d,e,f,g,h,i}
A⋃C={a,b,c,d,e,f,k,l}
10. Unión de conjuntos (A⋃B)
El conjunto unión de dos conjuntos es aquel que contiene
todos los elementos de los dos conjuntos.
A B
e
f
a
b
c
d
g
h
d
A⋃B
e
f
a
b
c
d
g
h
d
A B
e
f
a
b
c
d
k
j
A⋃B
e
f
a
b
c
d
k
j
A⋃B e
f
a
b
c
d
g
h
d
A⋃B
e
f
a
b
c
d
k
j
11. Intersección de conjuntos (A⋂B)
El conjunto intersección de dos conjuntos es
aquel que contiene sólo los elementos comunes
de los dos conjuntos.
A={a,b,c,d,e,f}
B={e,f,g,h,i}
A={a,b,c,d,e,f}
C={k,l}
A⋂B={e,f}
A⋂C=∅
12. Intersección de conjuntos (A⋂B)
El conjunto intersección de dos conjuntos es aquel que
contiene sólo los elementos comunes de los dos conjuntos.
A⋂B
A⋂B e
f
A B
e
f
a
b
c
d
g
h
d
A B
e
f
a
b
c
d
k
j
A⋂B e
f
A⋂B
13. Diferencia de conjuntos (A-B)
El conjunto diferencia de dos conjuntos es aquel
que contiene los elementos del primer conjunto
que no están en el segundo.
A={a,b,c,d,e,f}
B={e,f,g,h,i}
A-B={a,b,c,d}
A Be
f
a
b
c
d
g
h
i
A-B a
b
c
d
A-B a
b c
d
14. Diferencia simétrica de conjuntos (A∆B)
El conjunto diferencia simétrica de dos
conjuntos es aquel que contiene los elementos no
comunes de los dos conjuntos.
A={a,b,c,d,e,f}
B={e,f,g,h,i}
A∆B={a,b,c,d,g,h,i}
A Be
f
a
b
c
d
g
h
i
A∆B a
b
c
d
A∆B a
b c
d
g
h
i
g
h
i
15. Conjunto complementario
Si seleccionamos un subconjunto A un conjunto
E, el complementario de A es otro subconjunto
de E que contiene todos los elementos que no
pertenecen a A. Se denomina A o Ac.
E={0,1,2,3,4,5,6,7,8,9}
A={0,1,2,3}
A=Ac={4,5,6,7,8,9}
E 1
2
3
4
5
6
7
8
9
0
A A=Ac
18. Generalidades de Probabilidad
● Probabilidad. Es la técnica de cálculo de la frecuencia de
un suceso determinado en un experimento aleatorio,
conocidos todos todos los resultados posibles y en
condiciones estables.
● Experimento aleatorio. Es aquel que tiene
diferentes resultados posibles pero que no se
pueden predecir y debe ser posible repetirlo en
condiciones idénticas tantas veces como sea
necesario.
19. Espacio muestral y sucesos
● Espacio muestral (Ω o E) es el conjunto de
todos los resultados individuales posibles de
un experimento aleatorio.
● Suceso (A, B, C…) es cualquier subconjunto
del espacio muestral.
20. Sucesos
● Suceso elemental es formado por un único
elemento del espacio muestral. A={k}
● Suceso seguro es el que contiene todos los
elementos del espacio muestral. Ω=E
● Suceso imposible es el que no contiene
ningún elemento. ∅
Los sucesos seguro e imposible son complementarios
21. Regla de Laplace
La probabilidad de un suceso A en
experimentos aleatorios equiprobables es el
cociente entre la cardinalidad del suceso A y la
del espacio muestral.
Card(A)
P(A)=
Card(Ω)
Cardinalidad es el número
de elementos que tiene un
conjunto o suceso.
22. Un espacio muestral es equiprobable si la
probabilidad de todos sus elementos (sucesos
elementales) es la misma.
Podemos aplicar la regla de Laplace:
Sacar verde: V={ } P(V)=½
Sacar azul: A={ } P(A)= ½
Espacio muestral equiprobable
Ω={ , }
23. La probabilidad de todos los elementos
(sucesos elementales) no es
la misma.
No podemos aplicar la regla de Laplace:
Sacar verde: V={ } P(V)≠½
Sacar azul: A={ } P(A)≠ ½
Espacio muestral no equiprobable
Ω={ , }
28. Son sucesos que se pueden dar de forma
simultánea en un mismo experimento
aleatorio.
Ejemplo: Lanzar un dado
Sacar par: P={2, 4, 6}
Sacar múltiplo de 3: T={3,6}
P⋂C={6} Compatibles
Sucesos compatibles
36
2
4
P T
29. Son sucesos que no se pueden dar de forma
simultánea en un mismo experimento aleatorio.
Ejemplo: Lanzar un dado
Sacar par: P={2, 4, 6}
Sacar múltiplo de 5: C={5}
P⋂C=∅ Incompatibles
Sucesos incompatibles
56
2
4
P C
33. Suceso complementario
El suceso complementario de un suceso A, que
denominaremos A o Ac es el que contiene
todos los elementos del espacio muestral que
no pertenecen a A.
Ω = E = {A, B, C, D, E, F, G, H}
A = {A, B, C}
A = Ac = Ω - A = {D, E, F, G, H}
_
_
34. Suceso complementario
El suceso complementario de un suceso A, que
denominaremos A o Ac es el que contiene
todos los elementos del espacio muestral que
no pertenecen a A.
_
Ω A Ω
A
_
35. Suceso complementario
Cumple: AUAc = Ω y A⋂Ac = ∅
Son incompatibles: P(AUAc) = P(A) + P(Ac)
El espacio muestral: P(Ω) = 1
Es decir: P(A) + P(Ac) = 1
Ω A
A
_
37. Diferencia de sucesos
El suceso diferencia A-B es el suceso que
contiene todos los elementos de A que no
están en B.
No es una operación conmutativa.
A B A-B
38. Propiedades de las operaciones
Unión Intersección
Conmutativa A⋃B = B⋃A A⋂B = B⋂A
Asociativa A⋃(B⋃C) = (A⋃)B⋃C A⋂(B⋂C) = (A⋂B)⋂C
Idempotente A⋃A = A A⋂A = A
Simplificación A⋃(B⋂A) = A A⋂(B⋃A) = A
Distributiva A⋃(B⋂C) = (A⋃B)⋂(A⋃C) A⋂(B⋃C) =( A⋂B)⋃(A⋂C)
Elemento Neutro ∅⋃A = A⋃∅ = A Ω⋂A = A⋂Ω = A
Absorción Ω⋃A = A⋃Ω = Ω ∅⋂A = A⋂∅ = ∅
Leyes de Morgan A⋃B = A⋂B A⋂B = A⋃B
40. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante
diagramas de Venn.
● Los 10 alumnos que juegan a los dos deportes ya están contados en
los 100 que juegan al fútbol y en los 50 que juegan al baloncesto.
● Abordaremos estos ejercicios siempre colocando los elementos
desde la intersección hacia el exterior. Esto facilitará el cálculo del
resto de los elementos.
Sucesos compatibles
41. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante
diagramas de Venn.
F
B
Sucesos compatibles
42. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante
diagramas de Venn.
F
B
10
Sucesos compatibles
43. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante
diagramas de Venn.
F
B
1090
Sucesos compatibles
44. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante
diagramas de Venn.
F
B
10 4090
Sucesos compatibles
45. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante
diagramas de Venn.
F
B
10 4090
Sucesos compatibles
46. Ω
F
B
10 4090
De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante
diagramas de Venn.
Sucesos compatibles
47. Ω
De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante
diagramas de Venn.
F
B
10 4090
50
Sucesos compatibles
48. Ω
De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante
diagramas de Venn.
F
B
10 4090
50
Sucesos compatibles
49. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante una
tabla de doble entrada.
● Los 10 alumnos que juegan a los dos deportes ya están contados en
los 100 que juegan al fútbol y en los 50 que juegan al baloncesto.
● Las coincidencias de filas y columnas corresponden a la intersección
de esos elementos.
● En los márgenes laterales situaremos los totales.
● La casilla inferior derecha contiene la cardinalidad del espacio
muestral.
Sucesos compatibles
50. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante una
tabla de doble entrada.
B Bc Total
F
Fc
Total
Sucesos compatibles
51. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante una
tabla de doble entrada.
B Bc Total
F
Fc
Total 190
Sucesos compatibles
52. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante una
tabla de doble entrada.
B Bc Total
F 10
Fc
Total 190
Sucesos compatibles
53. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante una
tabla de doble entrada.
B Bc Total
F 10 100
Fc
Total 190
Sucesos compatibles
54. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante una
tabla de doble entrada.
B Bc Total
F 10 100
Fc
Total 50 190
Sucesos compatibles
55. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante una
tabla de doble entrada.
B Bc Total
F 10 100
Fc 90
Total 50 190
+
Sucesos compatibles
56. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante una
tabla de doble entrada.
B Bc Total
F 10 100
Fc 90
Total 50 140 190+
Sucesos compatibles
57. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante una
tabla de doble entrada.
B Bc Total
F 10 90 100
Fc 90
Total 50 140 190
+
Sucesos compatibles
58. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante una
tabla de doble entrada.
B Bc Total
F 10 90 100
Fc 40 90
Total 50 140 190
+
Sucesos compatibles
59. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante una
tabla de doble entrada.
B Bc Total
F 10 90 100
Fc 40 50 90
Total 50 140 190
+
Sucesos compatibles
60. De los 190 alumnos de un centro escolar 100 juegan al fútbol, 50 al
baloncesto y 10 a los dos deportes. Representa los datos mediante una
tabla de doble entrada.
B Bc Total
F 10 90 100
Fc 40 50 90
Total 50 140 190
Sucesos compatibles
61. Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
62. E
I
F
Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
63. E
I
F
50
Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
64. E
I
F
50
50
Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
65. E
I
F
50
100
50
Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
66. E
I
F
50
30 100
50
Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
67. E
I
F
50
30 100
50
70
Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
68. E
I
F
50
30 100
50
10070
Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
69. E
I
F
50
30 100
50
10070
Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
70. E
I
F
50
30 100
50
10070
Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
71. Ω E
I
F
50
30 100
50
10070
Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
72. Ω E
I
F
50
30 100
50
10070
200
Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
73. Ω E
I
F
50
30 100
50
10070
200
Sucesos compatibles
En una convención en la que participan 600 personas, 200 hablan español, 300
hablan inglés, y 180 hablan francés. 100 hablan español e ingles, 150 hablan
inglés y francés, 80 hablan español y francés y 50 las tres lenguas. Representa
los datos mediante diagramas de Venn.
75. Experimentos consecutivos
Independientes: No dependen de lo ocurrido
en el experimento anterior.
Ejemplos:
● Lanzar monedas.
● Lanzar datos
● Jugar a la ruleta
● Sacar cartas con devolución.
● Sacar bolas de una bolsa con devolución.
77. Experimentos consecutivos
● Probabilidad de que se produzca primero
el suceso A y después el suceso B:
P(A⋂B)=P(A)·P(BA)
● Si son independientes P(BA)=P(B):
P(A⋂B)=P(A)·P(B)
78. Experimentos consecutivos
● Generalizando con 3 o más sucesos:
P(A⋂B⋂C...)=P(A)·P(BA)·P(CA⋂B)·…
● Si son independientes P(BA)=P(B) y
P(CA⋂B)=P(C)
P(A⋂B)=P(A)·P(B)·P(C)
80. Experimentos consecutivos (Ejemplo 1)
En 2 lanzamientos sacar 2 veces seguidas
un 5:
P(C1⋂C2)=P(C1)·P(C2C1)
Al ser independientes P(C2C1)=P(C2):
P(C1⋂C2)=P(C1)·P(C2)
Solución:
P(C1⋂C2)=⅙·⅙=1/36
81. Experimentos consecutivos (Ejemplo 2)
En 2 lanzamientos sacar primero un 2 y
segundo un 6:
P(D⋂S)=P(D)·P(SD)
Al ser independientes P(SD)=P(S):
P(D⋂S)=P(D)·P(S)
Solución:
P(D⋂S)=⅙·⅙=1/36
82. Experimentos consecutivos (Ejemplo 3)
En 2 lanzamientos sacar un 2 y un 6:
P[(D1⋂S2)⋃(S1⋂D2)]=P(D1⋂S2)+P(S1⋂D2)
Hay dos opciones, sacar primero un 2 y
después un 6 y viceversa.
Estas dos opciones son incompatibles entre sí,
por tanto la probabilidad total será la suma de
las probabilidades de las dos opciones. Esto va
a ser una constante en este tipo de ejercicios.
83. Experimentos consecutivos (Ejemplo 3)
En 2 lanzamientos sacar un 2 y un 6:
P[(D1⋂S2)⋃(S1⋂D2)]=P(D1⋂S2)+P(S1⋂D2)
Por separado (independientes):
P(D1⋂S2)=P(D1)·P(S2D1)=P(D1)·P(S2)=1/36
P(S1⋂D2)=P(S1)·P(D2S1)=P(S1)·P(D2)=1/36
Solución:
P[(D1⋂S2)⋃(S1⋂D2)]=1/36+1/36=1/18
84. Experimentos consecutivos (Ejemplo 4)
En 3 lanzamientos sacar 3 cruces:
P(x1⋂x2⋂x3)=P(x1)·P(x2x1)·P(x3x1⋂x2)
Al ser independientes:
P(x1⋂x2⋂x3)=P(x1)·P(x2)·P(x3)
Solución:
P(x1⋂x2⋂x3)=½·½·½=⅛
85. Experimentos consecutivos (Ejemplo 5)
En 3 lanzamientos sacar 2 cruces:
P[(x1⋂x2⋂c3)⋃(x1⋂c2⋂x3)⋃(c1⋂x2⋂x3)]=
P(x1⋂x2⋂c3)+P(x1⋂c2⋂x3)+P(c1⋂x2⋂c3)
Por separado (independientes):
P(x1⋂x2⋂c3)=P(x1)·P(x2)·P(c3)=½·½·½=⅛
P(x1⋂c2⋂x3)=P(x1)·P(c2)·P(x3)=½·½·½=⅛
P(c1⋂x2⋂x3)=P(c1)·P(x2)·P(c3)=½·½·½=⅛
87. Experimentos consecutivos (Ejemplo 6)
Extraer 2 figuras seguidas en 2 extracciones
devolviendo las cartas a la baraja:
P(F1⋂F2)=P(F1)·P(F2F1)
Al ser independientes P(F2F1)=P(F2):
P(F1⋂F2)=P(F1)·P(F2)
Solución:
P(F1⋂F2)=12/40·12/40=3/10·3/10=9/100
88. Experimentos consecutivos (Ejemplo 7)
Extraer 2 figuras seguidas en 2 extracciones
sin devolver las cartas a la baraja:
P(F1⋂F2)=P(F1)·P(F2F1)
Son sucesos dependientes.
Solución:
P(F1⋂F2)=12/40·11/39=3/10·11/39=
33/390=11/130
89. Experimentos consecutivos (Ejemplo 8)
Extraer 2 figuras seguidas en 3 extracciones
devolviendo las cartas a la baraja:
P[(F1⋂F2⋂N3)⋃(F1⋂N2⋂F3)⋃(N1⋂F2⋂F3)]=
=P(F1⋂F2⋂N3)+P(F1⋂N2⋂F3)+P(N1⋂F2⋂F3)
Por separado (independientes):
P(F1⋂F2⋂N3)=P(F1)·P(F2)·P(N3)=
=12/40·12/40·28/40=3/10·3/10·7/10=63/1000
90. Experimentos consecutivos (Ejemplo 8)
P(F1⋂N2⋂F3)=P(F1)·P(N2)·P(F3)=
=12/40·28/40·12/40=3/10·7/10·3/10=63/1000
P(N1⋂F2⋂F3)=P(N1)·P(F2)·P(F3)=
=28/40·12/40·12/40=7/10·3/10·3/10=63/1000
Solución:
P[(F1⋂F2⋂N3)⋃(F1⋂N2⋂F3)⋃(N1⋂F2⋂F3)]=
=63/1000+63/1000+63/1000=189/1000
Hay que recordar que son incompatibles.
91. Experimentos consecutivos (Ejemplo 9)
Extraer 2 figuras seguidas en 3 extracciones
sin devolver las cartas a la baraja:
P[(F1⋂F2⋂N3)⋃(F1⋂N2⋂F3)⋃(N1⋂F2⋂F3)]=
P(F1⋂F2⋂N3)+P(F1⋂N2⋂F3)+P(N1⋂F2⋂F3)
Por separado (dependientes):
P(F1⋂F2⋂N3)=P(F1)·P(F2F1)·P(N3F1⋂F2)=
=12/40·11/39·28/38=3/10·11/39·14/19=
=462/7410=231/3705
93. Experimentos consecutivos (Ejemplo 10)
Extraer 2 bolas azules devolviendo las bolas a
la bolsa.
P(A1⋂A2)=P(A1)·P(A2A1)
Al ser independientes P(A2A1)=P(A2):
P(A1⋂A2)=P(A1)·P(A2)
Solución:
P(A1⋂A2)=7/10·7/10=49/100
94. Experimentos consecutivos (Ejemplo 11)
Extraer 2 bolas azules sin devolver las bolas a
la bolsa.
P(A1⋂A2)=P(A1)·P(A2A1)
Son dependientes
Solución:
P(A1⋂A2)=7/10·6/10=7/10·3/5=21/50
95. Experimentos consecutivos (Ejemplo 12)
Extraer 2 bolas iguales devolviendo las bolas
a la bolsa.
P[(A1⋂A2)U(V1⋂V2)]=P(A1⋂A2)+P(V1⋂V2)
Por separado (independientes):
P(A1⋂A2)=P(A1)·P(A2)=7/10·7/10=49/100
P(V1⋂V2)=P(V1)·P(V2)=3/10·3/10=9/100
Solución:
P[(A1⋂A2)U(V1⋂V2)]=49/100+9/100=29/50
96. Experimentos consecutivos (Ejemplo 13)
Extraer 2 bolas iguales sin devolver las bolas
a la bolsa.
P[(A1⋂A2)U(V1⋂V2)]=P(A1⋂A2)+P(V1⋂V2)
Por separado (dependientes):
P(A1⋂A2)=P(A1)·P(A2A1)=7/10·6/9=7/15
P(V1⋂V2)=P(V1)·P(V2V1)=3/10·2/9=1/15
Solución:
P[(A1⋂A2)U(V1⋂V2)]=7/15+1/15=8/15
97. Experimentos consecutivos (Ejemplo 14)
Extraer 2 bolas iguales sin devolver las bolas
a la bolsa.
P[(A1⋂A2)U(V1⋂V2)]=P(A1⋂A2)+P(V1⋂V2)
Por separado (dependientes):
P(A1⋂A2)=P(A1)·P(A2A1)=7/10·6/9=7/15
P(V1⋂V2)=P(V1)·P(V2V1)=3/10·2/9=1/15
Solución:
P[(A1⋂A2)U(V1⋂V2)]=7/15+1/15=8/15
98. Experimentos consecutivos (Ejemplo 15)
En 3 lanzamientos sacar al menos 1 cara.
Es más fácil por el cálculo del suceso
complementario, no sacar ninguna cara y al
ser independientes:
P(x1⋂x2⋂x3)=P(x1)·P(x2)·P(x3)=⅓·⅓·⅓=1/27
Solución
P(x1⋂x2⋂x3)=1-P(x1⋂x2⋂x3)=1-1/27=26/27
100. Árbol de probabilidad
Lanzamos una moneda dos veces consecutivas:
P(C)=1/2
P(X)=1/2
P(C⋂C)=P(C)·P(C)=1/2·1/2=1/4
P(X⋂X)=P(X)·P(X)=1/2·1/2=1/4
P(C⋂X)=P(C)·P(X)=1/2·1/2=1/4
P(X⋂C)=P(X)·P(C)=1/2·1/2=1/4
101. Árbol de probabilidad
Lanzamos una moneda dos veces consecutivas:
P(C)=1/2
P(X)=1/2
P(C⋂C)=P(C)·P(C)=1/2·1/2=1/4
P(X⋂X)=P(X)·P(X)=1/2·1/2=1/4
P(C⋂X)=P(C)·P(X)=1/2·1/2=1/4
P(X⋂C)=P(X)·P(C)=1/2·1/2=1/4
La suma de
probabilidades es 1
102. Árbol de probabilidad
Lanzamos una moneda dos veces consecutivas:
P(C)=1/2
P(X)=1/2
P(C⋂C)=P(C)·P(C)=1/2·1/2=1/4
P(X⋂X)=P(X)·P(X)=1/2·1/2=1/4
P(C⋂X)=P(C)·P(X)=1/2·1/2=1/4
P(X⋂C)=P(X)·P(C)=1/2·1/2=1/4
La suma de
probabilidades es 1
103. Árbol de probabilidad
Lanzamos una moneda dos veces consecutivas:
P(C)=1/2
P(X)=1/2
P(C⋂C)=P(C)·P(C)=1/2·1/2=1/4
P(X⋂X)=P(X)·P(X)=1/2·1/2=1/4
P(C⋂X)=P(C)·P(X)=1/2·1/2=1/4
P(X⋂C)=P(X)·P(C)=1/2·1/2=1/4La suma de
probabilidades es 1
105. Árbol de probabilidad
Se sacan 2 bolas consecutivas de una bolsa con 3 bolas verdes y
7 bolas azules devolviéndolas en cada caso a la bolsa:
P(A)=7/10
P(V)=3/10
P(A⋂A)=P(A)·P(A)=7/10·7/10=49/100
P(A⋂V)=P(A)·P(V)=7/10·3/10=21/100
P(V⋂A)=P(V)·P(A)=3/10·7/10=21/100
P(V⋂V)=P(V)·P(V)=3/10·3/10=9/100
106. Árbol de probabilidad
Se sacan 2 bolas consecutivas de una bolsa con 3 bolas verdes y
7 bolas azules devolviéndolas en cada caso a la bolsa:
P(A)=7/10
P(V)=3/10
P(A⋂A)=P(A)·P(A)=7/10·7/10=49/100
P(A⋂V)=P(A)·P(V)=7/10·3/10=21/100
P(V⋂A)=P(V)·P(A)=3/10·7/10=21/100
P(V⋂V)=P(V)·P(V)=3/10·3/10=9/100
La suma de
probabilidades es 1
107. Árbol de probabilidad
Se sacan 2 bolas consecutivas de una bolsa con 3 bolas verdes y
7 bolas azules devolviéndolas en cada caso a la bolsa:
P(A)=7/10
P(V)=3/10
P(A⋂A)=P(A)·P(A)=7/10·7/10=49/100
P(A⋂V)=P(A)·P(V)=7/10·3/10=21/100
P(V⋂A)=P(V)·P(A)=3/10·7/10=21/100
P(V⋂V)=P(V)·P(V)=3/10·3/10=9/100
La suma de
probabilidades es 1
108. Árbol de probabilidad
Se sacan 2 bolas consecutivas de una bolsa con 3 bolas verdes y
7 bolas azules devolviéndolas en cada caso a la bolsa:
P(A)=7/10
P(V)=3/10
P(A⋂A)=P(A)·P(A)=7/10·7/10=49/100
P(A⋂V)=P(A)·P(V)=7/10·3/10=21/100
P(V⋂A)=P(V)·P(A)=3/10·7/10=21/100
P(V⋂V)=P(V)·P(V)=3/10·3/10=9/100
La suma de
probabilidades es 1
109. Árbol de probabilidad
Se sacan 2 bolas consecutivas de una bolsa con 3 bolas verdes y
7 bolas azules devolviéndolas en cada caso a la bolsa:
P(A)=7/10
P(V)=3/10
P(A⋂A)=P(A)·P(A)=7/10·7/10=49/100
P(A⋂V)=P(A)·P(V)=7/10·3/10=21/100
P(V⋂A)=P(V)·P(A)=3/10·7/10=21/100
P(V⋂V)=P(V)·P(V)=3/10·3/10=9/100
La suma de
probabilidades es 1
111. Árbol de probabilidad
Se sacan 2 bolas consecutivas de una bolsa con 3 bolas verdes
y 7 bolas azules sin devolverlas a la bolsa:
P(A)=7/10
P(V)=3/10
P(A⋂A)=P(A)·P(AA)=7/10·6/9=42/90
P(A⋂V)=P(A)·P(VA)=7/10·3/9=21/90
P(V⋂A)=P(V)·P(AV)=3/10·7/9=21/90
P(V⋂V)=P(V)·P(VV)=3/10·2/9=6/90
La suma de
probabilidades es 1
112. Árbol de probabilidad
Se sacan 2 bolas consecutivas de una bolsa con 3 bolas verdes
y 7 bolas azules sin devolverlas a la bolsa:
P(A)=7/10
P(V)=3/10
P(A⋂A)=P(A)·P(AA)=7/10·6/9=42/90
P(A⋂V)=P(A)·P(VA)=7/10·3/9=21/90
P(V⋂A)=P(V)·P(AV)=3/10·7/9=21/90
P(V⋂V)=P(V)·P(VV)=3/10·2/9=6/90
La suma de
probabilidades es 1
113. Árbol de probabilidad
Se sacan 2 bolas consecutivas de una bolsa con 3 bolas verdes
y 7 bolas azules sin devolverlas a la bolsa:
P(A)=7/10
P(V)=3/10
P(A⋂A)=P(A)·P(AA)=7/10·6/9=42/90
P(A⋂V)=P(A)·P(VA)=7/10·3/9=21/90
P(V⋂A)=P(V)·P(AV)=3/10·7/9=21/90
P(V⋂V)=P(V)·P(VV)=3/10·2/9=6/90
La suma de
probabilidades es 1
114. Árbol de probabilidad
Se sacan 2 bolas consecutivas de una bolsa con 3 bolas verdes
y 7 bolas azules sin devolverlas a la bolsa:
P(A)=7/10
P(V)=3/10
P(A⋂A)=P(A)·P(AA)=7/10·6/9=42/90
P(A⋂V)=P(A)·P(VA)=7/10·3/9=21/90
P(V⋂A)=P(V)·P(AV)=3/10·7/9=21/90
P(V⋂V)=P(V)·P(VV)=3/10·2/9=6/90
La suma de
probabilidades es 1
115. Partición
Para un conjunto cualquiera E, una partición
de E es una colección de subconjuntos de E
disjuntos (incompatibles), tales que su unión
es el conjunto E.
E=P1⋃P2⋃P3⋃P4⋃…
Pi⋂Pj=∅ ∀i,j / i≠j
EP1
P2
P3 P4
...
116. Teorema de las probabilidades totales
Si {P1, P2, ..., Pn} es una partición del espacio
muestral y A es cualquier suceso, tenemos
que:
P(A)=P(P1⋂A)+P(P2⋂A)+P(P3⋂A) ... P(Pn⋂A)
es decir:
P(A)=P(A)P(P1A)+P(A)P(P2A) … P(A)P(PnA)
117. Teorema de Bayes
Si {P1, P2, ..., Pn} es una partición de Ω y son
conocidas las probabilidades P(APi) y cada Pi,
podemos calcular la P(PiA):
P(Pi⋂A)
P(PiA)=
P(A)
P(Pi⋂A)
P(PiA)=
P(P1)P(AP1)+P(P2)P(AP2) … P(Pn)P(APn)
P1
P2
P3 P4
...
A
Ω