ESTADSTICA

LIC. en GEOGRAFA
CLASE N2
Probabilidades.Conceptos bsicos.
Distribuciones de probabilidades.
Clculo

1
 Porqu es necesario estudiar
probabilidades y sus distribuciones?
Porque ellas constituyen la base de la Teora
de muestreo fundamental para la Estadstica
Inferencial

2
Probabilidades: Conceptos bsicos
Experimento aleatorio: es aquel que repetido
bajo idnticas condiciones no arroja un nico
resultado sino un conjunto de ellos
Ejemplos: arrojar un dado, una moneda, elegir
un alumno al azar y medir su estatura

3
 Probabilidades: Conceptos bsicos
(cont)
Espacio muestral (M): conjunto de los
resultados posibles de un experimento
aleatorio. M={E1, E2 ,E3,}
Ejemplos: arrojar un dado: M={1,2,3,4,5,6}
Arrojar una moneda: M={C,N}
Peso de un alumno elegido al azar:
M={x/x est comprendido entre 40 y 120 kg}

4
 Eventos
Evento: subconjunto del espacio muestral
Evento simple: cada uno de los resultados de
M
Ejemplo: al arrojar el dado E1={1}; E2={2}, ,
E6={6}
Evento compuesto: consiste en la unin de
dos o ms eventos simples
Ejemplo: al arrojar el dado, obtener un
nmero par A={2,4,6]}
5
 Definiciones de probabilidades.
A) Clsica
Probabilidad clsica: es el cociente entre el
nmero de casos favorables sobre el nmero
de casos posibles: A
P( A)
M
donde A es el nmero de casos favorables y M
es el nmero de casos posibles, siendo todos
los casos igualmente probables
Ejemplo: Prob. de obtener n par al arrojar un
dado perfecto: P(par)= 3/6
6
 Definiciones de probabilidades.
B) Frecuencial
Se aproxima al valor de probabilidad con la
frecuencia relativa. La definicin rigurosa es
P(A) lim f de f r(A)

Al ser imposible repetir la experiencia u

observaciones infinitas veces, se aproxima con
f ( A)
P( A) f r ( A)
f
7
 Definiciones de probabilidades.
B) Frecuencial (cont.)
Ejemplo de clculo de probabilidades mediante
frecuencia relativa
Nmero de accidentes por da durante 450 das
N acc./da (xi) 0 1 2 3 4 5 Total das
relevados
N das con xi acc. 19 150 146 111 23 1 450
(fi)

Cul es la probabilidad de que en un da no haya

accidentes? R: P(0) = 19/450 = 0,0422
Ms de 3 accidentes? R: P(x>3)=24/450 =0,053
8
Definiciones de probabilidades (cont.)
C) Axiomtica(cont.)
Sea un experimento aleatorio que origina un
M. Se llama probabilidad a la funcin que
asigna a cada evento E del espacio muestral
M un valor tal que:
i) P(E)0
ii) P(M)=1
Iii) Sean E1 y E2 dos eventos de M
mutuamente excluyentes, entonces
P(E1 E2 )= P(E1)+P(E2)

9
Suma y producto de probabilidades
Suma (teorema que es la generalizacin del
tercer axioma)
P( A B) P( A) P( B) P( A B)
Producto de probabilidades
Dependencia
P( A B) P( A) * P( B / A)
Independencia
P( A B) P( A) * P( B)
10
 Ejemplo de suma de probabilidades:
Se elige al azar una carta de un mazo de 40
cartas espaolas. Cul es la probabilida de
que esa carta sea:
a) un oro o una copa: P(O C)=10/40 +
10/40= 20/40 = 0,5
b) una espada o un as: P(E As) =
10/ 40 + 4/40 1/40 = 13/40 = 0,325
11
Producto de probabilidades (cont.)
Ejemplo para independencia: 280 plantas
elegidas al azar clasificadas segn especie y
estado sanitario
Estado Especies Totales
sanitario
Especie A Especie B

Sana 130 50 180

Enferma 40 60 100
Totales 170 110 280
12
 Ejemplos
Si se elige una planta al azar, cul es la probabilidad de
que sea:
Sana? R: P(sana) = 180/280 = 0,6429
De la especie A? R: P(A) = 170/280 = 0,6071
Sana o de la especie A? R: P(S U A) =
P(S)+P(A)-P(S A)=180/280 +110/280-130/280=0,5714

Enferma y de la especie B? P(E B)= 60/280
Enferma entre las de la especie B? P(E/B) =
60/110=0,5454
Enferma entre las de la especie A?
P(E/A) = 40/170 = 0,2353
Qu opinin le merece la relacin entre ambas
variables categricas?
13
 VARIABLE ALEATORIA
Concepto: son aquellas cuyo valor est dado por
un evento de un M
Ejemplo de variable discreta:
Arrojar 2 monedas: M={CC,CN,NC,NN}
Si se define la variable x=n de caras:
los valores de x son: 2, 1, 0.
Elegir un punto al azar en un mapa y determinar
su densidad poblacional: M={x/ 0 x 1000}

14
 Distribuciones de probabilidades
Muestran como se distribuyen las prob. a lo largo
del espacio muestral.
Hay que distinguir 2 tipos:
Distribuciones de probabilidades de variable
aleatoria discreta: es posible asignar a cada valor
de la variable un valor de prob.
Distribuciones de probabilidades de variable
aleatoria continua : NO es posible asignar a cada
valor de la variable un valor de prob., se trabaja
con intervalos.
15
 Distribuciones de v.a. discreta (cont.)
Ejemplo del Dado Simbologa
perfecto
N de puntos Probabil.: xi P(xi)
obt. (xi) P(xi)
1 1/6 x1 P(x1)
2 1/6 x2 P(x2)
3 1/6 x3 P(x3)
4 1/6 X4 P(x4)
5 1/6 ..
6 1/6 xn P(xn)
Total 6/6 = 1 Total P(xi)=1

16
Distribucin de probabilidades de la variable xi
obtenida al arrojar un dado perfecto

17
 Distribuciones de v.a. discreta:
Esperanza y variancia
Esperanza de x: E(x) = media aritmtica de la
distribucin
E ( x ) xi P ( xi )
M

Variancia de x : V(x)= es la variancia de la

distribucin

V ( x) ( xi E ( xi )) P( xi )
2 2

18
 Distribucin Binomial
Xi: n de xitos al repetir n veces una prueba
dicotmica xi : 0, 1, 2, 3, , n
p: probabilidad de xito
1-p = q = probabilidad de fracaso
Funcin de probabilidades (probabilidad de
obtener xi xitos: P( x) C nx p x q n x
E(x)=np V(x)= npq
Simbologa: X~B(n,p)
19
 Ejemplo de Distribucin Binomial
Un emprendimiento inmobiliario lotea
terrenos y no estn todos vendidos: del total
de 200 lotes solo 50 estn ocupados. En cada
manzana hay 5 lotes. Se elige una manzana al
azar:
Con que distribucin se puede modelar a xi
(n de lotes ocupados por manzana)?
R: Xi: 0,1,2,3,4,5. X~B(5; 0,25)

20
 Ejemplo de Distribucin Binomial
(cont.)
Los lotes se adjudican por sorteo. Un
comprador est interesado en tener un lote en
una manzana que no est ocupada por ningn
otro comprador. Cul es la probabilidad de
que se cumpla su deseo?
n x
P( x) C p q
x
n
x
C 0,25 0,75
0
5
0 5

P(0)= 1* 1*0,2373= 0,2373

21
Formas de la distribucin Binomial

22
 Clculo de frecuencias tericas en la
distribucin binomial

f t ( xi ) NP( xi )
Para calcular P(xi) es necesario definir a la
distribucin que se usar como modelo. En el
caso de la binomial hay que determinar n y p.
n suele estar determinado y p se estimar de
la media aritmtica:
x
E ( x) np; E(x) x p
n
23
 Distribucin binomial, ejemplo de
clculo de frecuencias tericas
Un camping tiene capacidad de 4 carpas por
parcela. El relevamiento de 50 parcelas da los
siguientes resultados. Calcular las frecuencias
tericas con la distribucin adecuada

xi 0 1 2 3 4 Total
foi 30 25 15 7 3 80

24
 Distribucin binomial, ejemplo de clculo de
frecuencias tericas: nmero de acampantes por
lote
xi foi xifoi xi- x (xi- x )2 (xi- x )2*foi P(xi) fti=80*P(xi)
0 30 0 -1,1 1,21 36,3 0,2763 22,10
1 25 25 -0,1 0,01 0,25 0,41924 33,53
2 15 30 0,9 0,81 12,15 0,2385 19,08
3 7 21 1,9 3,61 25,27 0,0603 4,82
4 3 12 2,9 8,41 25,23 0,0057 0,46
80 88 99,2 1 80

88 99,2 x 1,1
x 1,1 ; S 2 1,26 ; p 0,275 ; q 1 - p 0,725
80 79 n 4
X~B(4; 0,275)

25
 Distribucin binomial, ejemplo de clculo de
frecuencias tericas (cont)
Grficos de frecuencias observadas y estimadas

26
 Distribucin de Poisson
Es un caso lmite de la binomial cuando n
tiende a y p tiende a 0.

x
k k
P( X ) e ; E ( x) k Var ( x)
x!

27
Distribucin de Poisson, ejemplo: n
de sismos por ao
x = 2,04 S2= 1,47
xi foi P(xi) fei
0 5 0,1302 6,51
1 10 0,2653 13,265
2 20 0,2706 13,53
3 10 0,184 9,2
4 4 0,0938 4,69
5 0 0,0383 1,915
6 1 0,013 0,65
50 0,9952 49,76

28
Ej. de ajuste a Poisson, grfico

29