Академический Документы
Профессиональный Документы
Культура Документы
PROBABILIDADES
D
A
D
I
L
I
B
A
B
O
S
E
R
PRESENTADO POR:
BARRIOS ROSARIO
MAGALY MAGARITA
TERCER SEMESTRE C
Definicin:
Las Probabilidades pertenecen a la rama de la
matemtica que estudia ciertos experimentos llamados
aleatorios, o sea regidos por el azar, en que se conocen
todos los resultados posibles, pero no es posible tener
certeza de cul ser en particular el resultado del
experimento. Por ejemplo, experimentos aleatorios
cotidianos son el lanzamiento de una moneda, el
lanzamiento de un dado, extraccin de una carta de un
mazo de naipes.
Ejemplo:
Axiomas de probabilidades
Los
axiomas de la formulacin moderna de la teora de la
probabilidad constituyen una base para deducir a partir de ellas un
amplio nmero de resultados. La letra P se utiliza para designar la
probabilidad de un evento, siendo P(A) la probabilidad de
ocurrencia de un evento A en un experimento.
AXIOMA 1
Si A es un evento de S, entonces la probabilidad del evento A es:
AXIOMA
2
Si dos eventos son mutuamente excluyentes, la probabilidad de
obtener A o B es igual a la probabilidad de obtener A ms la
probabilidad de obtener B.
AXIOMA
3
Si A es un evento cualquiera de un experimento
aleatorio y A es el complemento de A, entonces:
PROPIEDADES
Si w1, w2, . . ., wn son los n sucesos elementales de
un suceso aleatorio cualquiera una funcin. p : S
R de modo que cumple las propiedades:
1. 0 p(wi) 1 i {1, 2, . . . ,n}
2. p(w1) + p(w2) + . . .+ p(wn) = 1
Entonces p es una probabilidad.
Regla de Laplace:
Si realizamos un experimento aleatorio en el que
hay n sucesos elementales, todos igualmente
probables, entonces si A es un suceso, la
probabilidad de que ocurra el suceso A es:
A
I
R
O
TE
DE
S
E
D
A
D
I
L
I
B
A
B
O
R
Regla de la adicin
Regla de la multiplicacin
La regla de la multiplicacin establece que la
probabilidad de ocurrencia de dos o ms eventos
estadsticamente independientes es igual al
producto de sus probabilidades individuales.
P(A y B) = P(A B) = P(A)P(B) si A y B son
independientes. P(A y B) = P(A B) = P(A)P(B|A) si
A y B son dependientes
Aplicaciones
teora de la probabilidad
Investigacin biomdica
Muestreo en estadstica
La mayora de las investigaciones biomdicas utilizan
muestras de probabilidad, es decir, aquellas que el
investigador pueda especificar la probabilidad de cualquier
elemento en la poblacin que investiga. Las muestras de
probabilidad permiten usar estadsticas inferenciales, aquellas
que permiten hacer inferencias a partir de datos. Por otra
parte, las muestras no probabilsticas solo permiten usarse
estadsticas descriptivas, aquellas que solo permiten describir,
organizar y resumir datos. Se utilizan cuatro tipos de muestras
probabilsticas: muestras aleatorias simples, muestras
aleatorias estratificadas, muestra por conglomerados y
muestras sistemticas.
Espacio muestral
espacio muestral consiste en el conjunto de todos los posibles
resultados individuales de un experimento aleatorio.
Para algunos tipos de experimento puede haber dos o ms espacios de
muestreo posibles. Por ejemplo, cuando se toma una carta de un mazo
normal de 52 cartas, una posibilidad del espacio de muestreo podra
ser el nmero, mientras que otra posibilidad sera el palo . Una
descripcin completa de los resultados, sin embargo, especificara
ambos valores, nmero y palo, y se podra construir un espacio de
muestreo que describiese cada carta individual como el producto
cartesiano de los dos espacios de muestreo descritos.
Los espacios de muestreo aparecen de forma natural en una
aproximacin elemental a la probabilidad, pero son tambin
importantes en espacios de probabilidad. Un espacio de probabilidad
(, F, P) incorpora un espacio de muestreo de resultados, , pero
define un conjunto de sucesos de inters, la -lgebra F, por la cul se
define la medida de probabilidad P.
Equiprobable:
Su espacio muestral es finito de tamao n.
La probabilidad de cualquier suceso elemental E es
SUCESO
Un suceso de un experimento aleatorio es cualquier cosa
que se nos ocurra afirmar sobre dicho experimento.
Espacio Probabilistico Infinito Contable
Aquel cuyo espacio muestral es discreto infinito
contable. Por ejemplo
La probabilidad de que salga cara en la primera
tirada ---->
La probabilidad de que salga cara en la segunda
tirada ---->
La probabilidad de que salga cara en la tercera
tirada ---->
Continuos
Son aquellos espacios donde el nmero de sucesos elementales es
infinito incontable.
Espacio probabilstico continuo
Espacio muestral infinito no numerable. -No es posible
observar puntos concretos del espacio.
Tiene sentido hablar de intervalos observados. - No es posible
asignar probabilidad a un punto concreto, se asigna a
intervalos.
Por tanto la funcin P est definida sobre intervalos ----->
DISTRIBUCION DE
PROBABILIDAD
En teora de la probabilidad y estadstica, la
distribucin de probabilidad de una variable
aleatoria es una funcin que asigna a cada suceso
definido sobre la variable aleatoria la probabilidad
de que dicho suceso ocurra. La distribucin de
probabilidad est definida sobre el conjunto de
todos los sucesos, cada uno de los sucesos es el
rango de valores de la variable aleatoria.
La distribucin de probabilidad est completamente
especificada por la funcin de distribucin, cuyo
valor en cada real x es la probabilidad de que la
variable aleatoria sea menor o igual que x.
Distribucin binomial
La probabilidad de ocurrencia de una combinacin especfica de
eventos independientes y mutuamente excluyentes se determina
con la distribucin binomial, que es aquella donde hay solo dos
posibilidades, tales como masculino/femenino o si/no.
Para aplicar esta distribucin al calculo de la probabilidad de
obtener un nmero dado de xitos en una serie de experimentos
en un proceso de Bermnoulli, se requieren tres valores: el nmero
designado de xitos (m), el nmero de ensayos y observaciones
(n); y la probabilidad de xito en cada ensayo (p).
Entonces la probabilidad de que ocurran m xitos en un
experimento de n ensayos es:
P (x = m) = (nCm)(Pm)(1P)nm
Siendo: nCm el nmero total de combinaciones posibles de m
elementos en un conjunto de n elementos.
En otras palabras P(x = m) = [n!/(m!(nm)!)](p m)(1p)nm
DISTRIBUCIONES DISCRETAS
Las distribuciones discretas incluidas en el mdulo
de Clculo de probabilidades son:
Uniforme discreta.
Binomial.
Hipergeomtrica.
Geomtrica.
Binomial Negativa.
Poisson.
Distribucin Hipergeomtrica
(N,R,n)
La distribucin hipergeomtrica suele aparecer
en procesos muestrales sin reemplazo, en los que
se investiga la presencia o ausencia de cierta
caracterstica. En esta situacin, la variable que
cuenta el nmero de cpsulas que no cumplen los
criterios de calidad establecidos sigue una
distribucin hipergeomtrica. Por tanto, esta
distribucin es la equivalente a la binomial, pero
cuando el muestreo se hace sin reemplazo.
Valores:
x: max{0,n-(N-R)}, ..., min{R,n}, donde max{0,n(N-R)} indica el valor mximo entre 0 y n-(N-R) y
min{R,n} indica el valor mnimo entre R y n.
Parmetros:
N: tamao de la poblacin, N>0 entero
R: nmero de xitos en la poblacin, R0 entero
n: nmero de pruebas, n>0 entero
DEFINICION DE FUNCION DE
DISTRIBUCION
Dada una variable aleatoria , su funcin de
distribucin,, es
Propiedades
Como consecuencia casi inmediata de la definicin,
la funcin de distribucin:
Es una funcin continua por la derecha.
Es una funcin montona no decreciente.
Adems, cumple
Para dos nmeros reales cualesquiera y tal que , los
sucesos y son mutuamente excluyentes y su unin
es el suceso , por lo que tenemos entonces que:
TECNICAS DE CONTEO
El principio fundamental en el proceso de contar
ofrece un mtodo general para contar el numero de
posibles arreglos de objetos dentro de un solo
conjunto o entre carios conjuntos. Las tcnicas de
conteo son aquellas que son usadas para enumerar
eventos difciles de cuantificar.
* La tcnica de la multiplicacin
* La tecnica aditiva
* La tcnica de la permutacin
DISTRIBUCIONES CONTINUAS
Las distribuciones continuas incluidas en el mdulo
de Clculo de probabilidades son:
Uniforme
Normal
Lognormal
Logstica
Beta
Gamma
Exponencial
Ji-cuadrado
t de Student
F de Snedecor