lunes, 27 de julio de 2015

Making Great Decisions using Bayes Theorem (2).

El Teorema de Bayes en la Toma de decisiones.

Este teorema cobra cada vez mayor importancia; numerosos artículos cuestionan los métodos de la probabilidad frecuencial y proponen, como alternativa, los métodos Bayesianos.

Los métodos Bayesianos se han empleado en diversos contextos y formas; se le considera una forma de determinar cómo las nuevas evidencias afectan a las afirmaciones probabilísticas.

La primera parte del tema, en la que se presentan los conceptos de probabilidad total y su relación con el Teorema de Bayes se encuentra en el siguiente enlace:

 Bayes Theorem Worked Problems

En la siguiente presentación se resuelven, paso a paso, dos ejemplos en los que se aplica este teorema.

Esperamos que sea de utilidad.

Saludos.

domingo, 26 de julio de 2015

Basic derivative rules.

Derivación mediante fórmulas básicas.

En el ejemplo de aplicaciones de la derivada se emplearon algunas de las fórmulas básicas de derivación. Para comprender mejor los procesos aplicados se recomienda revisar las siguientes presentaciones.

 Fórmulas básicas de derivación - worked problem

La siguiente fórmula es un poco más compleja, sin embargo, siguiendo paso a paso el procedimiento indicado resulta sencillo emplearla.


Una fórmula que suele presentar dificultades al estudiantes es la derivada de un cociente de dos funciones. En la siguiente presentación se explica detalladamente el procedimiento para resolver este tipo de problemas.


Esperamos que estás presentaciones resulten de utilidad.

Saludos.




sábado, 25 de julio de 2015

Making Great Decisions using Bayes Theorem.

Toma mejores decisiones empleando el Teorema de Bayes.

Tal como se ha comentado en entradas anteriores, la obtención de beneficios no es un buen indicador de que se hayan tomado buenas decisiones; es posible que se obtengan grandes beneficios por puro azar a pesar de haber tomado malas decisiones. Igualmente, es posible que, a pesar de tomar la mejor decisión no se obtengan los mejores beneficios.

Los métodos del análisis de decisión no pueden modificar el azar o la suerte de las personas, solamente nos ayudan a tomar decisiones a partir de un mejor conocimiento del problema o situación a resolver.

En la siguiente presentación se introduce el teorema de Bayes, una excelente herramienta para mejorar nuestras estimaciones de las probabilidades de ocurrencia de un evento aleatorio.

Se parte del concepto de probabilidad total y probabilidad condicional para comprender el Teorema de Bayes.

Esperamos que sea de utilidad.

Saludos.


viernes, 24 de julio de 2015

Applications of derivative.

Aplicaciones de la derivada.

El cálculo diferencial es importante debido a sus aplicaciones. existen numerosos problemas que no pueden ser resueltos con las herramientas matemáticas previas al cálculo, como la aritmética, geometría, álgebra y trigonometría.

En la siguiente presentación se encuentra un ejemplo resuelto, paso a paso, comenzando por intentos mediante matemáticas básicas hasta llegar al uso de la derivada.

Esperamos que sea de utilidad.

Saludos.


jueves, 23 de julio de 2015

Decision trees, the tool for making great decisions (3)

Árboles de decisión, la herramienta para tomar buenas decisiones (3).

Esta presentación es la tercera de una serie de 3 en las que se explican los principios básicos y se desarrolla el procedimiento para tres ejemplos. Los dos anteriores se pueden encontrar en los siguientes enlaces:

http://licmata-math.blogspot.mx/2014/10/decision-theory-tool-for-making-great.html

http://licmata-math.blogspot.mx/2015/07/decision-trees-tool-for-making-great.html

Y el tercer ejemplo se encuentra a continuación.

Esperamos que sea de utilidad.

Saludos.



miércoles, 22 de julio de 2015

Seven Basic Tools Of Quality - Control Charts.

Las 7 herramientas básicas para la calidad. Gráfico de Control.

Entre las 7 herramientas básicas para la calidad (7BTOQ), el gráfico de control es, probablemente, la más completa.

Permite efectuar un seguimiento detallado del proceso a lo largo del tiempo poniendo de relieve las variaciones no aleatorias del mismo, permitiéndonos así, enfocar nuestra atención en la investigación de las causas y su solución.

Existen diferentes tipos de gráficos de control de acuerdo a la naturaleza de los datos que se obtienen y el estadístico que se puede emplear en cada caso. Se pueden clasificar en dos grupos: Gráficos de control para variables y gráficos de control para atributos.

Por la forma en que se construyen, los más sencillos son los gráficos de control para atributos. En la siguiente presentación se encuentra un ejemplo de gráfico de control tipo p (p chart) elaborado paso a paso.

Esperamos que se a de utilidad.

Saludos.


jueves, 16 de julio de 2015

Decision trees, the tool for making great decisions (2)

Árboles de decisión, la herramienta para tomar buenas decisiones (2).

Los árboles de decisión se emplean, generalmente, cuando se dispone de alguna información acerca de las probabilidades de los eventos aleatorios implicados en la toma de decisiones.

Son particularmente útiles cuando se deben tomar decisiones secuencialmente, es decir, cuando se toma una decisión que desencadena eventos aleatorios y/o la necesidad de tomar nuevas decisiones.

El análisis se realiza del final hacia el inicio, como se muestra en la siguiente presentación.

La primera parte de este tema se encuentra en:

http://licmata-math.blogspot.mx/2014/10/decision-theory-tool-for-making-great.html

Esperamos que sea de utilidad.

Saludos.



Artículos relacionados

Related Posts Plugin for WordPress, Blogger...