Escolar Documentos
Profissional Documentos
Cultura Documentos
en Tecnologas de la
Informacin
Gua para el estudio de la Unidad 1
febrero de 2015
ndice general
ndice general
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
2
3
4
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5
5
7
8
9
9
10
11
12
12
12
13
13
13
14
15
15
16
16
16
16
17
17
17
18
18
18
.
.
.
.
Captulo
1
Gua para el estudio de la Unidad
1
1.1.
George Plya
Si un problema te resulta muy difcil, trata de resolver primero otro similar ms sencillo. G . PLYA .
Por su inters en averiguar las reglas del descubrimiento, es decir, el medio de adquirir conocimiento, PLYA es un pionero de la Inteligencia artificial. Uno de los sus importantes mtodos es el denominado heurstico:
La esencia de la heurstica es estudiar los mtodos y las reglas del descubrimiento y la invencin. . . . Heurstico es un adjetivo que significa
sirve para descubrir . . . En qu consiste una buena educacin? En
dar los estudiantes la oportunidad de descubrir por s mismos, sistemticamente. (G . PLYA )
Sus ideas de adquisicin del conocimiento por especializacin y generalizacin son hoy de uso comn en Inteligencia artificial. Tambin fue el
primero en plantearse la necesidad de crear una lgica del razonamiento
plausible y estudiar sus reglas de clculo. Una lgica que trate de las proposiciones sobre las que no estamos seguros de su verdad; fue el primero en
sealar la probabilidad como una medida apropiada para expresar y calcular con nuestra creencia en que de una proposicin es verdadera.
1.1.1.3.
nuestro plan. Este paso de mirar atrs es uno de los que conducen a ms
descubrimientos.
La mayora, cuando consigue resolver un problema o intuir su solucin,
por el procedimiento que sea, se siente tan contenta que abandona con un
suspiro de alivio. Esa es una manera burocrtica de estudiar que considera
que aprender es cubrir un expediente y marcharnos a casa en cuanto suene
la hora de salida. Por el contrario, resolver un problema supone que hemos
alcanzado una mejor compresin de ste, que ahora estamos en mejores
condiciones para comprenderlo an mejor, y que debemos continuar la exploracin.
Nota: Todas las referencias al libro, pginas, apartados, ejemplos, etc.,
lo son a la primera edicin de Modelos probabilsticos y Optimizacin. Ediciones acadmicas. Madrid 2011. En cada ejercicio se sealan los apartados
que hay que estudiar previamente.
1.2.
Establecimiento
del Modelo
Funciones aleatorias
numricas
Funciones aleatorias
vectoriales
estudiar con detalle, para los restantes apartados basta con una lectura general.
Los tres conceptos principales de esta unidad son: 1. Modelo probabilstico, con sus dos componentes, la Probabilidad y los sucesos; si dominas
el lenguaje formal de los modelos probabilsticos, progresars rpidamente, los sucesos son conjuntos y se operan como conjuntos, la probabilidad
es una funcin definida sobre los sucesos. 2. Funciones sobre un modelo
probabilstico, ms conocidas como variables aleatorias a pesar de ser, conceptualmente, funciones; conviene leer con atencin el inicio del apartado
1.3. El concepto esencial aqu es el de distribucin de una variable aleatoria.
3. Vectores aleatorios, el concepto esencial es el de distribucin conjunta,
como descripcin de la variacin simultnea de dos o ms variables aleatorias; el ejemplo 1.23 es crucial para comprenderlo. El tiempo aconsejado
para estudiar esta unidad es de cuatro semanas, donde contamos una prima
por la puesta en marcha del curso. Recuerda que este captulo muestra conceptos fundamentales y que las Matemticas son una Ciencia acumulativa,
cunto mejor domines las ideas de esta unidad, ms fcilmente te hars con
las presentadas en las unidades posteriores.
Es muy importante asimilar perfectamente los ejemplos siguientes: 1.5
(por cierto, en este ejemplo hay un errata grfica, el modelo 1 est formado
por una bola roja y una azul), 1.6, 1.7, 1.8, 1.10, 1.12, 1.14, 1.16, 1.18, 1.23,
1.25, 1.27.
1.3.
10
c4
c1
A
c2
B
C
c3
Figura 1.3:
e. A c B c
f. A c B
g. A c B
h. A (A c B)
11
12
2. Calcular P k , suponiendo que las bolas no se devuelven a la urna despus de cada extraccin.
13
14
Parte B. Una urna contiene a bolas azules y b bolas rojas, otra urna contiene c bolas azules y d bolas rojas. Elegimos una bola al azar de la primera
urna y, sin mirar su color, la pasamos a la segunda; a continuacin sacamos
una bola al azar de la segunda urna; cul es la probabilidad de que sea azul?
Parte B. Dos monedas tienen probabilidades p 1 y p 2 , respectivamente, de que al lanzarlas aparezca cara. Elegimos una moneda por sorteo; con
probabilidad r se escoge la primera y con probabilidad 1 r la segunda. La
moneda elegida se lanza repetidas veces hasta que aparece la primera cara. Si la primera cara ha aparecido en el lanzamiento k-simo, cul es la
probabilidad de que estemos lanzando la primera moneda?
15
c3
c1
A
c4
C
c2
Figura 1.4:
16
cara; si sale cara en el el segundo lanzamiento, Ana le dice a Beln el resultado del primero; si sale cruz en el segundo lanzamiento, Ana miente a Beln
y le dice lo contrario de lo que sali en el primer lanzamiento. Beln anota 1
si Ana dice cara y anota 0 si Ana dice cruz; si X es el nmero anotado por
Beln, hallar la funcin de probabilidad de X y calcular la entropa de X ,
H (X ); comparar H (X ) con la entropa de la distribucin de BERNOULLI de
parmetro p, H (p). Indicacin: repasar la definicin y grfica de H (p) (pg.
65).
V = min(X 1 , X 2 )
17
18
si X 2 > X 1
si X 2 X 1
Y3,1 =
si X 3 > X 1
si X 3 X 1
(1.1)
Hallar la tabla de la distribucin conjunta. Calcular E{Y2,1 } y 2Y2,1 . Son independientes Y2,1 y Y3,1 ? Calcular H (Y3,1 ).
Y = max(X 2 , X 3 )
Se pide
1. Hallar la tabla de la distribucin conjunta de (X , Y ).
2. Hallar la distribucin marginal de X .
3. Calcular E{X } de dos maneras: a partir de la distribucin conjunta y a
partir de la marginal de X .
4. Calcular X ,Y .
5. Calcular E{X | Y = j }.
6. Calcular P (X = k | X 1 = i )