Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Probabilitat, Ejercicios de Física

Asignatura: fisica, Profesor: antonio antonio, Carrera: Ingeneiria Biomedica, Universidad: UPC

Tipo: Ejercicios

2017/2018

Subido el 26/02/2018

vzlo1998
vzlo1998 🇪🇸

5

(2)

4 documentos

1 / 45

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Estadística Tema 3. Probabilitat
3.2 Probabilitat
Definició de probabilitat, càlcul de probabilitats, interpretació
freqüencial, Regla de Laplace, interpretació Bayesiana
Francesc Palacios
Departament de Matemàtiques
Universitat Politècnica de Catalunya
Setembre 2017 draft 5.2
P1. 𝑷 𝑨
= 𝟏 𝑷 𝑨
P2. 𝑷 𝑨 𝑩) = 𝑷(𝑨 𝑩
= 𝑷(𝑨) 𝑷(𝑨 𝑩)
P3. 𝑷 𝑨 𝑩 = 𝑷 𝑨 +𝑷 𝑩 𝑷(𝑨 𝑩)
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff
pf12
pf13
pf14
pf15
pf16
pf17
pf18
pf19
pf1a
pf1b
pf1c
pf1d
pf1e
pf1f
pf20
pf21
pf22
pf23
pf24
pf25
pf26
pf27
pf28
pf29
pf2a
pf2b
pf2c
pf2d

Vista previa parcial del texto

¡Descarga Probabilitat y más Ejercicios en PDF de Física solo en Docsity!

Estadística Tema 3. Probabilitat

3.2 Probabilitat

Definició de probabilitat, càlcul de probabilitats, interpretació freqüencial, Regla de Laplace, interpretació Bayesiana Francesc Palacios Departament de Matemàtiques Universitat Politècnica de Catalunya Setembre 2017 draft 5.

P1. 𝑷 𝑨�^ = 𝟏 − 𝑷 𝑨

P2. 𝑷 𝑨 − 𝑩) = 𝑷(𝑨 ∩ 𝑩�^ = 𝑷(𝑨) − 𝑷(𝑨 ∩ 𝑩)

P3. 𝑷 𝑨 ∪ 𝑩 = 𝑷 𝑨 + 𝑷 𝑩 − 𝑷(𝑨 ∩ 𝑩)

F. Palacios 2017 – draft 5.

Tema 3: Probabilitat

3.1 Experiments aleatoris

3.2 Probabilitat

3.3 Probabilitat condicionada

3.4 Introducció a la combinatòria

3.5 Composició d’experiments aleatoris

F. Palacios 2017 – draft 5.

3.2 Probabilitat: contingut

1. Exemple de referència

2. Definició de mesures de probabilitat (cas finit)

3. Càlcul de probabilitats

4. Visualització de les regles del càlcul de probabilitats

5. Regles del càlcul de probabilitats: demostracions

6. Càlcul de probabilitats: exemple d’aplicació

7. Assignació teòrica de probabilitats: Regla de Laplace

8. Interpretació freqüencial de les probabilitats

9. La interpretació Bayesiana: probabilitats subjectives

10. Unió de successos mútuament excloents

11. Probabilitat de la unió de tres successos: cas general

12. Espais de probabilitat infinits

F. Palacios 2017 – draft 5.

1. Exemple de referència

Un cert model de vàlvula electromecànica pot tenir dos tipus de defecte:

M = [defecte mecànic] E = [defecte elèctric]

Per les dades recollides al nostre control de qualitat, sabem que

  • El 3% de les vàlvules presenten un defecte mecànic
  • El 5% de les vàlvules presenten un defecte elèctric
  • Un 1% de les vàlvules presenten ambdós defectes

F. Palacios 2017 – draft 5.

1. Exemple de referència: teoria de probabilitats

La teoria de probabilitats ens proporciona una metodologia sistemàtica per obtenir una valoració racional d’aquestes probabilitats

triem una a l’atzar

F. Palacios 2017 – draft 5.

2. Definició de mesura de probabilitat (cas finit)

Considerem un experiment aleatori amb espai mostral 𝛀 (finit) i una àlgebra de successos 𝓐.

  • El parell (𝛀, 𝓐) s’anomena espai probabilitzable
  • L’espai probabilitzable proporciona una estructura formal bàsica per a la definició de les mesures de probabilitat

Sigui (𝛀, 𝓐) un espai probabilitzable. Una mesura de probabilitat és una aplicació 𝑷: 𝓐 ⟶ ℝ que compleix:

A1. Per a tot succés 𝑿 ∈ 𝓐, 𝑷 𝑿 ≥ 𝟎 (No negativitat)

A2. Si 𝑿, 𝒀 ∈ 𝓐 són successos incompatibles (𝑿 ∩ 𝒀 = ∅), llavors 𝑷 𝑿 ∪ 𝒀 = 𝑷 𝑿 + 𝑷(𝒀) (propietat additiva)

A3. 𝑷 𝛀 = 𝟏 (normalització)

La terna 𝛀, 𝓐, 𝑷 s’anomena espai de probabilitat

Andréi Kolmogórov 1903 - 1987

F. Palacios 2017 – draft 5.

4. Visualització de les regles de càlcul de probabilitats

  • Els axiomes A1 (no negativitat) i A2 (additivitat) són els axiomes d’una mesura general (àrea, longitud, volum, ...)
  • Podem interpretem la mesura de probabilitat com la mesura d’àrea d’una regió plana
  • En el cas de les probabilitats, l’àrea total té mesura 1 (Axioma A3)

𝑷(𝑨)

𝑷 𝑨�^ = 𝟏 − 𝑷(𝑨)

𝑷 𝛀 = 𝟏

𝑷(𝑨 ∩ 𝑩)

𝑷 𝑨 − 𝑩 = 𝑷 𝑨 ∩ 𝑩�^ = 𝑷 𝑨 − 𝑷(𝑨 ∩ 𝑩)

F. Palacios 2017 – draft 5.

4. Visualització de les regles de càlcul de probabilitats

𝑨 ⊂ 𝑩 ⟹ 𝑷 𝑨 ≤ 𝑷(𝑩)

𝑷 𝑨 ∩ 𝑩

𝑷 𝑨 ∪ 𝑩 = 𝑷 𝑨 + 𝑷 𝑩 − 𝑷(𝑨 ∩ 𝑩)

Interpretem la mesura de probabilitat com la mesura d’àrea d’una regió plana. L’àrea total té mesura 1

F. Palacios 2017 – draft 5.

5. Regles de càlcul de probabilitats: demostracions

 Activitat 1. Demostra la propietat 𝑷 𝑨�^ = 𝟏 − 𝑷 𝑨

𝑷(𝑨)

𝑷 𝑨�^ = 𝟏 − 𝑷(𝑨)

𝑷 𝛀 = 𝟏

F. Palacios 2017 – draft 5.

5. Regles de càlcul de probabilitats: demostracions

 Activitat 1. Demostra la propietat 𝑷 𝑨�^ = 𝟏 − 𝑷 𝑨

  • Els conjunts 𝑨 i 𝑨�^ són disjunts (𝑨 ∩ 𝑨�^ = ∅)
  • Es compleixen 𝑨 ∪ 𝑨�^ = 𝛀

A3 A

𝟏 = 𝑷 𝛀 = 𝑷 𝑨 ∪ 𝑨�^ = 𝑷 𝑨 + 𝑷(𝑨�)

F. Palacios 2017 – draft 5.

5. Regles de càlcul de probabilitats: demostracions

 Activitat 2. Demostra la propietat 𝑷 𝑨 − 𝑩 = 𝑷(𝑨) − 𝑷 𝑨 ∩ 𝑩

  • Donats dos successos 𝑨 i 𝑩, tenim la descomposició 𝑨 = 𝑨 ∩ 𝛀 = 𝐀 ∩ 𝑩 ∪ 𝑩�^ = 𝑨 ∩ 𝑩 ∪ 𝑨 ∩ 𝑩� 𝑨 = 𝑨 ∩ 𝑩 ∪ (𝑨 − 𝑩)
  • Els successos 𝑨 ∩ 𝑩 i 𝑨 − 𝑩 són incompatibles 𝐀 ∩ 𝑩 ∩ 𝑨 ∩ 𝑩�^ = 𝑨 ∩ 𝑩 ∩ 𝑩� ∩ 𝑨 = 𝑨 ∩ ∅ ∩ 𝑨 = ∅

𝑷 𝑨 = 𝑷[ 𝑨 ∩ 𝑩) ∪ (𝑨 − 𝑩 ] = 𝑷 𝑨 ∩ 𝑩 + 𝑷(𝑨 − 𝑩)

Unió disjunta A

F. Palacios 2017 – draft 5.

6. Càlcul de Probabilitats: exemple d’aplicació

Un cert model de vàlvula electromecànica pot tenir dos tipus de defecte:

M = [defecte mecànic] E = [defecte elèctric]

Segons les dades recollides al nostre control de qualitat, sabem que:

  • El 3% de les vàlvules presenten un defecte mecànic
  • El 5% de les vàlvules presenten un defecte elèctric
  • Un 1% de les vàlvules presenten ambdós defectes

Tenim les següents probabilitats inicials P(M)=0.03, P(E) = 0.05, P(E∩M)=0.

Prenem una vàlvula a l’atzar. Calcula la probabilitat que la vàlvula:

  1. sigui defectuosa
  2. sigui bona
  3. no tingui un defecte elèctric
  4. tingui únicament un defecte mecànic
  5. tingui exactament un dels dos defectes

F. Palacios 2017 – draft 5.

6. Càlcul de Probabilitats: exemple d’aplicació

  1. Probabilitat que la vàlvula tingui únicament un defecte mecànic P(M ∩ 𝐄�) = P(M – E) = P(M) – P(M∩E) = 0.03 – 0.01 = 0.02 (2%)
  2. Probabilitat que la vàlvula tingui exactament un dels dos defectes P(𝑴𝚫𝐄) = P(M) + P(E) – 2P(E∩M) = 0.03 + 0.05 – 2· (0.01) = 0.06 (6%)

Probabilitats inicials: P(M) = 0.03, P(E) = 0.05, P(E∩M) = 0.

F. Palacios 2017 – draft 5.

7. Interpretació freqüencial de les probabilitats

Considerem un experiment aleatori i un determinat succés 𝑨 ⊂ 𝛀.

  1. Realitzem 𝑵 repeticions de l’experiment
  2. Representem per 𝑵 (^) 𝑨 el nombre de vegades que el succés A ha passat (en la sèrie de 𝑵 repeticions)
  3. La freqüència relativa és 𝒇 (^) 𝑨 = 𝑵𝑨/𝑵

A l’enfocament freqüencial, la probabilitat del succés A s’interpreta com la freqüència relativa corresponent a un nombre molt gran de proves: 𝑷 𝑨 = lim 𝑵→∞ 𝒇 (^) 𝑨 = lim 𝒏→∞

𝑵 (^) 𝑨 𝑵

John Venn 1834 - 1923