Adquiriendo señal…
Adquiriendo señal…
Lección 1 de 9· Matemáticas
0 de 9 lecciones · 0 %
El satélite del curso de Señales y Sistemas sigue mandando su telemetría. Allí la pregunta era qué le hace el sistema a la señal; aquí es otra: qué tan seguros podemos estar de lo que llega. Un bit puede invertirse, un sensor puede dar una alarma falsa, una computadora de vuelo puede fallar. Ninguno de esos sucesos se puede predecir uno por uno, pero todos tienen una forma estadística que sí se puede medir, modelar y usar para decidir. Este curso construye esa forma, desde los axiomas hasta el filtro de Kalman.
Un experimento aleatorio es cualquier procedimiento cuyo resultado no se conoce de antemano: un lanzamiento, la recepción de un bit, la revisión diaria del estado del radio y de la batería. El conjunto de todos sus resultados posibles es el espacio muestral . Si el radio y la batería pueden estar cada uno bien, degradado o en falla, hay resultados.
Un evento es un subconjunto de . «El radio falla» () es una columna de la rejilla; «la batería falla» () es una fila. La unión (falla alguno) y la intersección (fallan ambos) son otros eventos, y el complemento es «el radio no falla».
Una probabilidad es una función que asigna a cada evento un número y que cumple:
Todo lo demás se demuestra. Por ejemplo, la regla de la unión para eventos que sí se cruzan.
Demostración. Partimos en tres trozos disjuntos: , y . Por el axioma 3,
Pero es la unión disjunta de y , así que , y lo mismo para . Sustituyendo,
La casilla compartida se contaría dos veces; por eso se resta una.
Frecuencia no es probabilidad. En el video 1.1, un bit con probabilidad de error modelada se simula: con 10 ensayos la frecuencia relativa sale 0.2, con 100 sale 0.14 y con 10 000, 0.101. La frecuencia es lo que mides; la probabilidad es lo que modelas. La lección 5 demostrará por qué la primera se acerca a la segunda, y a qué velocidad.
Saber que ocurrió reduce el espacio muestral a . La probabilidad de dado es la fracción de que además cumple :
En el video 1.2, de cien casos igual de probables suena la alarma en 40 y hay alarma y falla en 12: .
Queremos : probabilidad de falla real dado que sonó la alarma. El fabricante del detector, en cambio, nos da (la sensibilidad) y (la tasa de falsa alarma).
Deducción. Por la definición de condicional aplicada en los dos sentidos, . Despejando,
Falta . Como y parten , la alarma es la unión disjunta de y , y por el axioma 3 (probabilidad total):
Ejemplo resuelto (video 1.2.3). Falla rara, una de cada mil: . Sensibilidad 0.99, falsa alarma 0.05.
De cada mil alarmas, solo 19 son reales. Si la falla fuera del 1 %, serían 167; si fuera del 10 %, 688. El detector es el mismo: cambió qué tan común es lo que busca. Es la trampa de la tasa base, y es la razón de que los sistemas de protección de a bordo pidan confirmación con un segundo sensor antes de actuar.
Un detector tiene sensibilidad 0.99 y falsa alarma 0.05. Si la falla ocurre una vez cada mil casos, ¿qué fracción de las alarmas es real?
Dos eventos son independientes si saber uno no cambia la probabilidad del otro: , o, equivalentemente, . Con fallas de probabilidades 0.25 y 0.40, la falla doble valdría si fueran independientes. Pero la independencia es un supuesto del modelo, no una propiedad que venga gratis: una causa común (calor, radiación, un mismo lote) la rompe.
Serie. Un sistema de componentes en cadena funciona solo si todos funcionan. Con independencia, . Cuatro componentes de 0.99 dan : cada eslabón resta.
Paralelo, deducido. Con ramas redundantes el sistema falla solo si fallan todas. El evento «falla el sistema» es la intersección de las fallas de cada rama; con independencia su probabilidad es el producto, y por complemento:
Con ramas de 0.90: una da 0.90, dos dan y tres, . Cada copia suma menos que la anterior.
Causa común. Si con probabilidad un evento externo tumba todas las copias a la vez, . Con la curva se aplana en 0.98 por muchas copias que se agreguen: la redundancia no protege contra lo que afecta a todas por igual.
En el laboratorio, mil casos de ejemplo se colorean por las cuatro casillas del detector. Arrastra sobre la rejilla para fijar cuántos tienen falla real y pasa a «Solo las alarmas»: condicionar es literalmente tirar todo lo que no sonó. La curva de abajo muestra frente a la prevalencia, con una frecuencia Monte Carlo encima.
Hasta aquí los resultados eran etiquetas: falla, alarma, bien o degradado. En la lección 2 cada resultado recibe un número (bits erróneos, retardo en milisegundos, vida útil en años) y aparecen la función de masa, la densidad, la acumulada y los dos números que lo resumen casi todo: la esperanza y la varianza.
Cierre de la lección
Sigue el recorrido de la lección paso a paso.
Con una cuenta desbloqueas el cuestionario, el foro de dudas y el tutor con IA de esta lección, además del registro de progreso y el certificado verificable al terminar «Probabilidad y procesos: del azar al ruido».