Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 28 vistas

    3.3 Modelo Clásic

    Cargado por

    Luis Acosta
    Este documento presenta los conceptos básicos del modelo clásico de probabilidad, incluyendo que considera eventos y experimentos aleatorios con un número finito de resultados posibles, que los experimentos son repetibles bajo las mismas condiciones, y que todos los resultados son igualmente probables. También describe elementos como la definición de eventos, el principio de regularidad de las frecuencias, y una estrategia de 5 pasos para resolver problemas de probabilidad. Finalmente, presenta ejemplos resueltos aplicando este modelo.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    3.3 Modelo Clásic

    Cargado por

    Luis Acosta
    28 vistas5 páginas
    Este documento presenta los conceptos básicos del modelo clásico de probabilidad, incluyendo que considera eventos y experimentos aleatorios con un número finito de resultados posibles, que los experimentos son repetibles bajo las mismas condiciones, y que todos los resultados son igualmente probables. También describe elementos como la definición de eventos, el principio de regularidad de las frecuencias, y una estrategia de 5 pasos para resolver problemas de probabilidad. Finalmente, presenta ejemplos resueltos aplicando este modelo.

    Descripción original:

    Modelos clásicos en la ingeniería industrial.

    Título original

    3.3 modelo clásic

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta los conceptos básicos del modelo clásico de probabilidad, incluyendo que considera eventos y experimentos aleatorios con un número finito de resultados posibles, que los experimentos son repetibles bajo las mismas condiciones, y que todos los resultados son igualmente probables. También describe elementos como la definición de eventos, el principio de regularidad de las frecuencias, y una estrategia de 5 pasos para resolver problemas de probabilidad. Finalmente, presenta ejemplos resueltos aplicando este modelo.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    28 vistas5 páginas

    3.3 Modelo Clásic

    Cargado por

    Luis Acosta
    Este documento presenta los conceptos básicos del modelo clásico de probabilidad, incluyendo que considera eventos y experimentos aleatorios con un número finito de resultados posibles, que los experimentos son repetibles bajo las mismas condiciones, y que todos los resultados son igualmente probables. También describe elementos como la definición de eventos, el principio de regularidad de las frecuencias, y una estrategia de 5 pasos para resolver problemas de probabilidad. Finalmente, presenta ejemplos resueltos aplicando este modelo.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 5

    Gaspar Ramírez

    Zurisadai 21070904

    Unidad 3

    Fundamentos de Probabilidad
    Competencias:

    Específica: Utiliza los conceptos básicos de la teoría de la probabilidad para aplicarlos en la


    solución de problemas de ingeniería.

    Genéricas:

     Capacidad de análisis y síntesis.


     Solución de Problemas.
     Habilidad para búsqueda de información.
     Capacidad para trabajar en equipo.
     Comunicación oral y escrita.
    Gaspar Ramírez
    Zurisadai 21070904

    3.3 Modelo clásico


    Definición
    El modelo clásico de probabilidad (o modelo uniforme de probabilidad) viene a ser la evolución
    formal y natural del primitivo concepto de probabilidad frecuentista. Su validez sigue ligada al
    principio empírico de regularidad de las frecuencias relativas, y por ende, hasta este momento no
    hay justificación matemática satisfactoria. Este problema lo resuelve Bernoulli como veremos más
    adelante. Por lo pronto, en lo que sigue, describimos brevemente este modelo.

    Elementos del modelo clásico de probabilidad


    Consideramos fenómenos y experimentos, prácticos o no, que pueden ser
    ALEATORIEDAD llamados aleatorios, cuyas consecuencias no puedan ser previsibles de forma
    unívoca.
    Sus efectos estarán limitadas a un número finito, que llamaremos resultados
    posibles. Los resultados posibles podemos denotarlos en orden con literales
    Finitud idexadas o bien con números, o bien con cualquier otro símbolo que
    convenga. Son llamados también muestras del experimento (fenómeno)
    aleatorio
    Supondremos que el experimento o fenómeno en cuestión es susceptible de
    Regularidad ser repetido u observado tantas veces como se quiera y bajo las “mismas
    condiciones”.
    Todos los resultados posibles tienen un azar igualmente probable. Algunos
    experimentos y fenómenos son intrínsecamente uniformes (simétricos), como
    Uniformidad
    lanzar una moneda o un dado honestos. Hay otros también cuya naturaleza no
    es uniforme, los ejemplos típicos son los muestreos con reemplazo.
    Dos últimas precisiones importantes
    Evento Dentro Es un suceso asociado a determinados resultados posibles. Decimos entonces
    del contexto que un evento ocurre si ocurre alguno de los resultados posibles asociados a
    de un tal evento. Note entonces que cada posible resultado puede interpretarse en
    experimento sí mismo como un suceso eventual. En términos conjuntistas, un evento es un
    subconjunto del conjunto que reúne todos resultados posibles. Es usual
    (o fenómeno)
    representar los eventos con literales mayúsculas.
    aleatorio
    Principio de El sustento de equiprobabilidad y simetría del modelo clásico es desde luego
    el principio de las frecuencias relativas. Más precisamente, asumimos que, de
    Regularidad
    acuerdo a la ley de los grandes números, para sucesiones crecientes de
    de las
    repeticiones del experimento, la sucesión de frecuencias relativas de cada
    frecuencias resultado posible, son considerablemente más próximas a la proporción
    relativas individual relativa al total de resultados posibles.

    CONDICIONES:

    1. Espacio muestral finito S= (w1, w2, w3...wn)


    2. Resultados igualmente probables.

    PROPIEDADES:
    Gaspar Ramírez
    Zurisadai 21070904

    1. Los eventos elementales de S, w1, w2, w3...wn son mutuamente excluyentes.


    2. La P(w1)=P( w2)=P(w3)=P(wn)
    3. Sabemos que (w1)U (w2)U (w3)U(wn)=S

    entonces P[(w1)U (w2)U (w3)U(wn)]=P(S)

    De los axiomas 2 y 3:

    P (w1)+P( w2)+P(w3)+P(wn)=1

    De otra forma:

    nP(Wi)=1

    1
    ∴P(Wi)=
    𝑛
    Si tomamos una muestra de tamaño K de S digamos A= (w 1, w2, w3...wn)
    𝐾
    1 1 1 1 𝑘 ¿𝐴
    P(A)= ∑ 𝑊𝑖= + +… = ∴ 𝑃 ( 𝐴 )= =
    𝑖=1 𝑛 𝑛 𝑛 𝑘 𝑛 ¿𝑆

    ESTRATEGIA PARA RESOLVER PROLEMAS


    1 Describa la población (si existe)
    2 Defina el experimento E (solamente la parte del problema)
    3 Encuentre el espacio muestral S
    4 Defina los eventos de interés
    5 Calcule su probabilidad

    Ejercicio 1: De 300 automóviles que se encuentran en un estacionamiento y que van a ser


    revisados, 40 tienen problemas con el sistema de escape, 54 emiten excesivos contaminantes y 20
    tienen ambos problemas, se elige un automóvil al azar.

    a) ¿Cuál es la probabilidad de que tenga al menos uno de estos problemas?


    b) ¿Cuál es la probabilidad de que tenga solamente problema de excesivos contaminantes?
    c) ¿Cuál es la probabilidad de que no tengan ninguno de estos problemas?

    Solución:
    Población: 300 automóviles

    E= elige un automóvil al azar

    S=300

    METODO 1: DIAGRAMA DE VENN

    Sea E: {problema de escape}

    Sea C: {emite excesivos contaminantes}


    Gaspar Ramírez
    Zurisadai 21070904

    a) Sea E1= { al menos uno de estos problemas}

    E1= 20+20+34=74

    Como S es infinito y resultados igualmente probables aplicables al módulo clásico

    𝐸1 74 37
    P(E1)= = = =0.2466 %
    𝑆 300 150
    b) Sea E2= {solamente problemas de excesivas de contaminantes}

    Del diagrama

    E2=34

    2 34 17
    ∴ 𝑃 ( 𝐸 2 )= = = =0.1133=11.33 %
    5 300 150
    c) Sea E3={ ninguno de estos problemas}

    63 226
    P(E3)= = =0.7533=75.33 %
    5 340

    Ejercicio 2: un circuito integrado tiene grabado dos letras seguidos por dos dígitos distintos de
    0, se selecciona uno de estos circuitos aleatoriamente, ¿Cuál es la probabilidad de que empiece
    con la letra A y que el ultimo digito sea impar?

    Solución:
    E= seleccionar un circuito al azar

    S= ?

    27 27 9 9
    𝑛1 𝑛 2 𝑛 3 𝑛 4
    Aplicando el principio básico

    S= 27*27*9*9=

    S= 59,049
    Gaspar Ramírez
    Zurisadai 21070904

    1 27 9 5
    F= 1*27*9*5= 1215
    𝑚1 𝑛 2 𝑛 3 𝑛 4
    Aplicando el modelo clásico

    𝐹 1215
    P(F) = =0.0205=2.05 %
    5 59 ,049
    Ejercicio 3: un almacén cuenta con 50 acumuladores para automóvil, incluyen 8 que tienen
    defectos. Una empresa compra 5 de estos aleatoriamente.

    Población: 50 acumuladores de los cuales 8 tienen defecto.

    E= 5 acumuladores al azar= muestras no ordenadas de tamaño 53


    𝑛 50
    #S=├ 𝑘 =├ 5 =2,118,760

    a) ¿Cuál es la probabilidad de que ninguno tenga defectos?


    𝑛 8 42
    #A=├ 𝑘 =├ 0 ├ 5 =1 ×850.668

    DEL MODELO CLASICO

    ¿ 𝐴 850,668
    PA= = =0.4014=40.14 %
    ¿ 𝑆 2,118,760
    b) ¿Cuál es la probabilidad de recibir cuando mucho 2 acumuladores defectuosos?

    8 5 ¿ 𝐴 321440
    ├ 2 ├ 3=28 × 11480=321,440 = =0.15=15 %
    ¿ 𝑆 2118760
    GASPAR RAMIREZ ZURISADAI 21070904

    También podría gustarte