Escolar Documentos
Profissional Documentos
Cultura Documentos
Es el acto de separar las partes de un elemento lo mas posible que se pueda, para estudiar su naturaleza, su funcin y su significado. Un anlisis es un efecto que comprende diversos tipos de acciones con distintas caractersticas y en diferentes mbitos, pero en suma es todo acto que se realiza con el propsito de estudiar, valorar y concluir respecto algo.
Es el proceso mediante el cual se realiza una eleccin entre las opciones o formas para resolver diferentes situaciones de la vida en diferentes contextos: a nivel laboral, familiar, sentimental, empresarial. La toma de decisiones consiste, bsicamente, en elegir una opcin entre las disponibles. Se caracteriza por el hecho de que una persona haga uso de su razonamiento y pensamiento. Para tomar una decisin, cualquiera que sea su naturaleza, es necesario conocer, comprender, analizar, para as poder elegir lo mejor.
Probabilidad clsica es aquella que se toma de manera objetiva, es el proceso mediante el cual se realiza una eleccin entre las opciones o formas para resolver diferentes situaciones de la vida en diferentes contextos utilizando una metodologa cuantitativa. Esta puede considerarse de dos maneras: a priori y a posteriori. Probabilidad a Priori. Esla probabilidad de un evento es la medida de oportunidades de que ese evento ocurra.
Probabilidad a posteriori. En el caso que los eventos no poseen igual posibilidad de ocurrencia. El mtodo a priori se conoce tambin como de frecuencia relativa y es apropiado cuando se tienen los datos para estimar la proporcin del tiempo que ocurrir el evento en el experimento si el experimento se repite un nmero grande de veces.
Probabilidad Subjetiva. Se refiere a la probabilidad de ocurrencia de un evento basado en la experiencia previa, la opinin personal o la intuicin del individuo. En este caso despus de estudiar la informacin disponible, se asigna un valor de probabilidad a los eventos basado en nuestro grado de creencia de que el evento puede ocurrir. P (E) = C/N A sta frmula se le conoce como frmula clsica del clculo de
AXIOMAS DE LA PROBABILIDAD
TEOREMAS O REGLAS.
A partir de los axiomas anteriores se pueden demostrar los siguientes teoremas del clculo de probabilidades.
Si un evento puede producirse por la realizacin de un acontecimiento A, o bien por la realizacin de un acontecimiento B, su probabilidad es igual a la probabilidad de A ms la probabilidad de B menos la probabilidad de que A y B se produzcan a la vez. Simblicamente se escribe: A B A B A B
p p p
Si para que se produzca un acontecimiento, debe producirse un acontecimiento A y adems un acontecimiento B, la probabilidad compuesta del primer acontecimiento es igual a la probabilidad de A multiplicada por la probabilidad condicionada de B despus de realizarse A. Simblicamente se escribe:
Considrese un experimento que se realiza en dos etapas. En la primera etapa, los m resultados posibles son mutuamente excluyentes; las probabilidades de estos resultados son conocidas y se cumple: m
j 1
Aj
En la segunda etapa, el resultado B depende del resultado de la primera etapa; se conocen las probabilidades condicionadas de obtener el resultado B cuando ocurriese cada resultado en la primera etapa. Se efecta ahora dicho experimento de tal modo que se conoce el resultado B de la segunda etapa pero no se conoce el resultado A de la primera etapa. El teorema de la probabilidad de las hiptesis permite calcular las m probabilidades de los resultados posibles no observados de la primera etapa, conociendo el resultado observado B de la segunda etapa; se calculan mediante las m ecuaciones que se obtienen dando a j los valores desde 1 hasta m en:
Si la probabilidad de un acontecimiento en una prueba es p y efectuamos n pruebas repetidas iguales, la probabilidad de observar el acontecimiento r veces en el futuro es:
pnr
n! n r r p 1 p r! n r !
El anlisis combinatorio es la parte de las matemticas que estudia la cantidad de grupos que pueden formarse con elementos dados; estos grupos se distinguen entre s por tener distintos nmeros de elementos o por tener elementos distintos o por tener ordenaciones distintas de los elementos dentro de cada grupo o por tener varias de estas circunstancias. La extraccin de una muestra de elementos de un conjunto se llama exhaustiva si los elementos no se devuelven al conjunto antes de hacer una nueva extraccin; y se llama no exhaustiva si los elementos se devuelven al conjunto antes de hacer una nueva extraccin. La extraccin de una muestra de elementos de un conjunto se llama ordenada si se consideran muestras desiguales las que estn formadas por los elementos extrados en orden diferente; y se llama desordenada si se consideran muestras iguales las que estn formadas por los elementos extrados en orden diferente.
Parejas.
Con un conjunto de m elementos 1 , 2 , , y otro conjunto de n elementos 1 , 2 , , , se puede formar la siguiente cantidad de parejas que tengan en primer lugar uno de los m elementos y en segundo lugar uno de los n elementos:
G2 mn
Mltiples.
Con elementos del conjunto a, elementos del conjunto b, ..., elementos del conjunto r, se puede formar la siguiente cantidad de grupos que tengan un elemento de cada conjunto:
Gr na nb ... nr
Variaciones sin repeticin y de n elementos de grado r son los diferentes grupos que se pueden formar con estos n elementos diferentes tomados de r en r y sin repeticin, de modo que los grupos difieran entre s en algn elemento o en el orden correlativo de colocacin en fila; se debe cumplir n > r. Por ejemplo, con los elementos a, b, c las variaciones de grado 2 son: ab, ac, ba, bc, ca, cb. La cantidad de variaciones sin repeticin se calcula con:
y coincide con la cantidad de muestras diferentes de r elementos que se pueden extraer de modo ordenado y exhaustivo de un conjunto de n elementos.
Variaciones con repeticin y de n elementos de grado r son los diferentes grupos que se pueden formar con estos n elementos diferentes tomados de r en r y con eventual repeticin, de modo que los grupos difieran entre s en algn elemento o en el orden correlativo de colocacin en fila; se debe cumplir n > r. Por ejemplo, con los elementos a, b, c las variaciones de grado 2 son: aa, ab, ac, ba, bb, bc, ca, cb, cc. La cantidad de variaciones con repeticin se calcula con:
y coincide con la cantidad de muestras diferentes de r elementos que se pueden extraer de modo ordenado y no exhaustivo de un conjunto de n elementos.
Permutaciones sin repeticin y de n elementos son los diferentes grupos que se pueden formar con estos n elementos diferentes, de modo que los grupos difieran entre s en el orden correlativo de colocacin en fila. Son como variaciones sin repeticin de n elementos de grado n. Por ejemplo, con los elementos a, b, c las permutaciones son: abc, acb, bac, bca, cab, cba. La cantidad de permutaciones sin repeticin se calcula con:
Pn n !
Cnr
r ! n r !
y coincide con la cantidad de muestras diferentes de r elementos que se pueden extraer de modo desordenado y exhaustivo de un conjunto de n elementos.
y coincide con la cantidad de muestras diferentes de r elementos que se pueden extraer de modo desordenado y no exhaustivo de un conjunto de n elementos.
CADENAS DE MARKOV
Llamemos E1, E2, Ek los estados (resultados) exhaustivos y mutuamente excluyentes de un experimento aleatorio en cualquier tiempo. Inicialmente en el tiempo t0, el sistema puede estar en cualquiera de estos estados. Sea a0j (j = 0, 1,. . ., k) la probabilidad absoluta de que el sistema se encuentre en el estado Ej en t0. Definamos pij como la probabilidad de transicin de un paso de ir al estado i en tn-1, al estado j en tn, es decir, la probabilidad de que en el siguiente periodo (paso) se encuentre en Ej, dado que en el periodo (paso) inmediatamente anterior estuvo en Ei.
Supongamos que estas probabilidades son estacionarias (no cambian) a travs del tiempo. Las probabilidades de transicin del estado Ei al estado Ej se describen de manera ms conveniente en forma matricial como sigue:
Por ejemplo p21 es la probabilidad de estar en el estado 1 en el siguiente paso, dado que en este momento se encuentra en el estado 2. La matriz P se llama matriz de transicin homognea porque todas las probabilidades pij son fijas, independientes del tiempo. Las probabilidades pij deben satisfacer las condiciones
Ejemplo 1.
En un pas lejano slo existen dos posibilidades en el clima, seco y mojado. Un estudiante de meteorologa sabe que la probabilidad de que el clima sea seco el 1o de Enero del ao en curso es a y la probabilidad de que en dos das consecutivos el clima sea el mismo, tiene un valor p, 0 < p < 1. Escribamos los elementos que identifican en este problema una cadena de Markov. Solucin. Solo hay dos posibles estados E1: Seco y E2: Mojado. Tenemos a01 = a, a02 = 1 - a. La matriz P de transicin de un paso ser:
Se observa en P que las probabilidades de clima seco un da, dado que el anterior fue seco; y de mojado un da, dado que el da anterior fue mojado son iguales a p. En cualquier otro caso tenemos una probabilidad de 1 - p. Las probabilidades a01 y a02, junto con P, determinan en este ejemplo una cadena de Markov.
GRACIAS