Академический Документы
Профессиональный Документы
Культура Документы
ESTADSTICA INFERENCIAL
*
*
*
*
*
*
*
*
Introduccin
Probabilidad
Espacio muestra
Evento
Conjuntos
Probabilidad en conjuntos
Teorema de Bayes
Distribucin de probabilidad
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIA
En
la
vida
cotidiana
aparecen
las
los
situaciones
en
observados
son
que
diferentes
muchas
resultados
aunque
las
veces
cruz.
Estos
fenmenos,
el
lenguaje
habitual,
frases
como
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
PROBABILIDAD
La probabilidad es la posibilidad
numrica de que ocurra un evento. La
probabilidad de un evento es medida
por valores comprendidos entre 0 y 1.
Entre mayor sea la probabilidad de
que ocurra un evento, su probabilidad
asigna estar ms prxima a 1. La
probabilidad de certeza es 1. La
probabilidad de una imposibilidad es
0. Esto se podra expresar as:
Por tanto,
en donde
es algn evento.
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
ESPACIO MUESTRAL
El conjunto de todos los posibles resultados de un experimento aleatorio recibe el
nombre de espacio muestral.
Algunos ejemplos de espacio muestral son:
1) Si el experimento consiste en arrojar un dado y observar el nmero que
sale, el espacio muestral es:
Vemos que el espacio muestral no tiene por qu ser un conjunto finito. Como en
este caso el resultado puede ser cualquier nmero real positivo, E tiene infinitos
elementos.
3) Si el experimento consiste en tomar un libro al azar de la biblioteca y ver
con qu letra empieza el ttulo, el espacio muestral es:
Vemos que los resultados posibles del experimento, es decir, los elementos del
espacio muestral, no tienen necesariamente por qu ser nmeros. En este caso
son letras.
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
Aunque
tambin
podramos
haber
respondido
si
es
subjetivo.
Generalmente
una
solucin
posible
es
definir
EVENTO
Un evento (tambin llamado suceso) del espacio muestral es un subconjunto de
ste. Algunos ejemplos pueden ser:
1) En el experimento de arrojar un dado y ver qu sale, el espacio muestral es:
{1}
{6}
{3, 4}
{4, 5, 6}
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
{1, 3, 5}
{2, 4, 6}
{}
Dicho evento es conocido como "evento nulo", " evento falso" o " evento
imposible". Adems de la notacin {} se puede usar la alternativa .
{1, 2, 3, 4, 5, 6}
{15}
{14.2}
{17.3333333...}
El espacio muestral es
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
El evento A es
Vemos que
CONJUNTOS
Como los eventos son conjuntos, operar con eventos es operar con conjuntos.
1) Interseccin de conjuntos
Dados A y B dos conjuntos,
Ejemplo:
Se tira un dado, y se definen los eventos:
A: que salga menos de 4
B: que salga ms de 2
Con lo cual queda:
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
Son los conjuntos cuya interseccin es nula. Dados los conjuntos A y B, son
disjuntos
Ejemplo:
Se tira un dado, y se definen los sucesos:
A: que salga 1 2
B: que salga ms de 4
Con lo cual queda:
o los dos simultneamente. Se puede llamar "A unin B" o bien "A B".
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
Ejemplo:
Se tira un dado, y se definen los sucesos:
A: que salga menos de 4
B: que salga 2 6
Con lo cual queda:
o bien
y se llama
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
Ejemplo:
Si arrojo un dado, y el conjunto A es que salga un 4, entonces el conjunto
es
Observamos que:
As como A es un subconjunto de E,
tambin es un subconjunto de E.
, es decir, la unin de A y
PROBABILIDAD CONDICIONAL
Con frecuencia se desea determinar la probabilidad de algn evento, dado que
antes otro evento ya hay ocurrido. Lgicamente, esta es llamada probabilidad
condicional. Se denota como
Esta es la frmula general para la probabilidad condicional del evento A, dado que
se conoce que el evento B ya ha ocurrido:
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
PROBABILIDAD CONDICIONAL
Antes de ver algunas probabilidades
para conjuntos definamos de forma
axiomtica la funcin de probabilidad.
Sea E un espacio muestral, y A un
evento cualquiera. Se llama funcin de
probabilidad sobre el espacio muestral
E a P(A) si satisface los siguientes
axiomas:
Si A y B son subconjuntos de E y
entonces
Ahora veamos algunas propiedades de la probabilidad en conjuntos:
a) Probabilidad de la unin de conjuntos:
Dados dos conjuntos A y B contenidos en el espacio E, entonces:
) entonces la expresin
I.
Observacin
II.
III.
Experimentacin
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
IV.
Teora
TEOREMA DE BAYES
de
la
muerte
del
ser
(Probabilidad
observados
condicional).
El
, entonces
el 5%
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
Vamos a llamar variable aleatoria a una variable cuyo valor sera el resultado de
un determinado experimento, si lo hiciramos. Por ejemplo, si el experimento
consiste en arrojar un dado, podemos definir la variable aleatoria X cuyo valor ser
el nmero que salga en el dado. El conjunto de valores posibles de X es el espacio
muestral. Y en general nos interesar cul es la probabilidad de que X asuma
cada valor.
Usaremos variables porque nos permiten operar y mostrar determinadas
conclusiones.
Para el caso del dado, podemos escribir "la probabilidad de que al tirar el dado
salga un nmero mayor que 3" simplemente como P(X > 3), habiendo antes
definido X como el nmero que saldra si tirramos el dado.
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
VARIACIN
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
VARIACIN
Consiste en tomar k elementos entre n que hay en total, sin importar en qu orden.
Es decir, importa la naturaleza ("cules") pero no importa el orden. Observamos
que esto es como las variaciones, pero olvidndonos del orden; las variaciones
distinguen "ab" de "ba", en cambio para las combinaciones "ab" = "ba", y slo
importa el hecho de que fueron "a" y "b" los elementos elegidos.
Frmula:
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
Comparemos
ahora
el
haremos
el
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
Por ejemplo, el conjunto de los nmeros naturales tiene una cantidad finita pero
numerable de elementos, porque sus elementos se pueden enumerar. En cambio,
el conjunto de los nmeros reales tiene una cantidad infinita no numerable de
elementos, porque sus elementos no se pueden enumerar.
Veamos un problema:
1) Indique para cada una de las siguientes variables aleatorias si son discretas o
continuas. Haga las aclaraciones que considere necesarias.
a) El nmero que sale al tirar un dado.
b) La cantidad de caras que salen al tirar 5 monedas.
c) La cantidad de accidentes por mes.
d) Peso de una naranja.
e) Dimetro de una arandela.
f) El pas donde naci una persona.
g) La edad de una persona.
Resolucin:
a)
b)
c)
enumerar. Otra forma de ver que es discreta: todos los resultados son puntos
aislados.
d)
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
continua: los resultados no son puntos aislados, sino que forman un continuo (por
ejemplo, un segmento de recta).
e)
f)
g)
edad como un nmero real de aos que ha vivido la persona (ejemplo: 5,37 aos)
entonces es continua.
DISTRIBUCIN DE PROBABILIDAD
equiprobables
muy
es
un
particular.
En
distribuyen
las
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
Esta funcin le asigna a cada valor posible de la variable aleatoria un nmero real
que consiste en la probabilidad de que ocurra, y por supuesto debe cumplir con las
2 condiciones que enunciamos antes:
a) no puede ser negativa en ningn punto
b) la suma de las probabilidades de todos los valores da 1.
Puede pensarse que la condicin "a" es insuficiente, porque la probabilidad no
solamente no puede ser menor que cero, sino tampoco mayor que uno. Pero
agregar esa condicin sera redundante, porque la condicin "b" garantiza que eso
no puede ocurrir, ya que si la probabilidad para un valor fuera mayor que 1, como
ninguna probabilidad puede ser negativa entonces la suma dara necesariamente
mayor a 1.
En variables aleatorias discretas la funcin de densidad se define as:
es una funcin que a cada valor posible le asigna su probabilidad.
es una funcin de densidad de probabilidad discreta si y solo si cumple con:
1)
2)
Veamos algunas funciones de distribucin comunes:
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
BERNOULLI
Es un experimento que puede arrojar 2 resultados posibles. A uno de los
resultados se lo denomina arbitrariamente "xito" y al otro "fracaso". El
experimento de Bernoulli lleva asociada una probabilidad (la probabilidad de
"xito").
Distribucin:
"Cul es la probabilidad de obtener x xitos en n intentos?"
Si
es decir: X es una variable binomial con parmetros n y p
es decir: X es la variable que representa la cantidad de xitos obtenidos en n
experimentos de Bernoulli independientes cada uno con probabilidad de xito p.
POISSON
"Cul es la probabilidad de obtener x eventos en el intervalo estudiado?"
Si bien el proceso de Poisson trabaja con los parmetros
y
Como
unidad de tiempo, entonces m resulta ser la media. Es decir que esta distribucin
tiene la caracterstica de que su media resulta valer directamente lo mismo que
valga el parmetro .
Si
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
e intensidad . Entonces:
NORMAL
Cuando la funcin de densidad es la siguiente:
Tiene 2 parmetros,
El parmetro
distribucin.
y .
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
El parmetro
demostrar que si
aleatoria
, entonces
Es decir:
un simple cambio de variables. Esto nos permite, dada cualquier variable aleatoria
normal, encontrar una variable aleatoria normal estndar, que es la que
encontraremos en las tablas.
TEOREMA CENTRAL DEL LMITE
Si
desviacin estndar
tiene una
Si
, la distribucin de
Si
, la distribucin de
si la distribucin de las
Si la distribucin de las
importar el valor de n.
es normal, la distribucin de
es normal sin
NOCIONES DE PROBABILIDAD
ESTADSTICA INFERENCIAL
REFERENCIAS