RESUMEN ESTADISTICA
PROBABILIDAD:
- Experimento aleatorio: es un proceso en que se dan las siguientes
condiciones:
o Se puede repetir todas las veces que se quiera en las mismas
condiciones
o En cada ensayo se obtiene un resultado, el cual no se puede
predecir su valor.
Ejemplo: lanzamiento de un dado
- Sucesos aleatorios: es un resultado de un experimento aleatorio, los
sucesos pueden ser:
o Suceso elemental: cuya definición no se puede simplificar
o Suceso compuesto: compuesto por dos o mas sucesos
elementales
Ejemplo: sacar número primo, o sacar 2
- Espacio muestral: conjunto de todos los resultados posibles:
E {1,2,3,4,5,6}
INCLUSION DE SUCESOS: A=B
Tienen los mismos sucesos elementales
UNIÓN DE SUCESOS: AUB (“o”)
Constituida por todos los sucesos elementales de A y B
INTERSECCIÓN DE SUCESOS: AnB (“y” O “ni”)
Constituida por sucesos elementales comunes
PROBABILIDAD DE UN SUCESO A:
• Propiedades: 0≤p(A)≤1 NUNCA MAYOR QUE CERO
PROBABILIDAD DE LA UNIÓN:
1. P(AUB)=== p(A) + p(B)
2. P(AUBUC)==P(A)+P(B)+P(C)
3. P(AUB) ===p(A) + p(B) – p(AnB)
4. P(AUBUC)==P(A)+P(B)+P(C)- p(AnB)- p(AnC)- p(BnC) p(AnBnC)
PROBABILIDAD CONDICIONADA: es la probabilidad condicionada de que
haya ocurrido A
P(B/A)=p(AnB)/p(A) P(A)≠0
SUCESOS PENDIENTES E INDEPENDIENTES:
1. Dos sucesos A y B son independientes si p(B) = p(B/A)
Por ejemplo: extracciones con reposición o sin reposición pero de una
población muy grande
2. Dos sucesos son dependientes si p(B)≠p(B/A)
Por ejemplo: extracción sin reposición
PROBABILIDAD DE LA INTERSECCIÓN:
1. P(AnB)=== p(A) x p(B)
2. P(AnBnC)==p(A)x p(B)x p(C)
3. P(AnB) ===p(A) + p(B) – p(AnB)
4. P(AnBnC)==p(A)x p(B/A) x p(C/AnB)
- Nomenclatura:
A: Suceso A
Â: suceso contrario de A
p(A) + p(B) = 1 – p(A)
AnÂ=Ø
AUÂ=E
TEOREMA DE LAS PROBABILIDADES TOTALES:
Para calcular la probabilidad de un suceso que es el resultado de un número
finito de casos excluyentes. Son sucesos dependientes
TEOREMA DE BAYES:
P(Ai/A) = p(Ai) x p(A/Ai) / p(A)
Siendo p(A) Teorema probabilidades totales.
Variable aleatoria de la distribución normal
Una variable aleatoria continua, X, sigue una distribución
normal de media μ y desviación típica σ, y se designa por N(μ,
σ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-∞, +∞)
2. La función de densidad, es la expresión en términos de
ecuación matemática de la curva de Gauss:
Curva de la distribución normal
El campo de existencia es cualquier valor real, es decir, (-∞,
+∞).
Es simétrica respecto a la media µ.
Tiene un máximo en la media µ.
Crece hasta la media µ y decrece a partir de ella.
En los puntos µ − σ y µ + σ presenta puntos de inflexión.
El eje de abscisas es una asíntota de la curva.
El área del recinto determinado por la función y el eje de
abscisas es igual a la unidad.
Al ser simétrica respecto al eje que pasa por x = µ, deja un
área igual a 0.5 a la izquierda y otra igual a 0.5 a la derecha.
La probabilidad equivale al área encerrada bajo la curva.
p(μ - σ < X ≤ μ + σ) = 0.6826 = 68.26 %
p(μ - 2σ < X ≤ μ + 2σ) = 0.954 = 95.4 %
p(μ - 3σ < X ≤ μ + 3σ) = 0.997 = 99.7 %
N(0, 1)
La distribución normal estándar, o tipificada o reducida,
es aquella que tiene por media el valor cero, μ = 0, y por
desviación típica la unidad, σ =1.
Su función de densidad es:
Su gráfica es:
La probabilidad de la variable X dependerá del área del
recinto sombreado en la figura. Y para calcularla utilizaremos una
tabla.
Tipificación de la variable
Para poder utilizar la tabla tenemos que transformar la variable
X que sigue una distribución N(μ, σ) en otra variable Z que siga una
distribución N(0, 1).
Tabla de la distribución normal
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0. 0.50 0.50 0.50 0.51 0.51 0.51 0.52 0.52 0.53 0.53
0 00 40 80 20 60 99 39 79 19 59
0. 0.53 0.54 0.54 0.55 0.55 0.55 0.56 0.56 0.57 0.57
1 98 38 78 17 57 96 36 75 14 53
0. 0.57 0.58 0.58 0.59 0.59 0.59 0.60 0.60 0.61 0.61
2 93 32 71 10 48 87 26 64 03 41
0. 0.61 0.62 0.62 0.62 0.63 0.63 0.64 0.64 0.64 0.65
3 79 17 55 93 31 68 06 43 80 17
0. 0.65 0.65 0.66 0.66 0.67 0.67 0.67 0.68 0.68 0.68
4 54 91 28 64 00 36 72 08 44 79
0. 0.69 0.69 0.69 0.70 0.70 0.70 0.71 0.71 0.71 0.72
5 15 50 85 19 54 88 23 57 90 24
0. 0.72 0.72 0.73 0.73 0.73 0.74 0.74 0.74 0.75 0.75
6 57 91 24 57 89 22 54 86 17 49
0. 0.75 0.76 0.76 0.76 0.77 0.77 0.77 0.77 0.78 0.78
7 80 11 42 73 04 34 64 94 23 52
0. 0.78 0.79 0.79 0.79 0.79 0.80 0.80 0.80 0.81 0.81
8 81 10 39 67 95 23 51 78 06 33
0. 0.81 0.81 0.82 0.82 0.82 0.82 0.83 0.83 0.83 0.83
9 59 86 12 38 64 89 15 40 65 89
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
1. 0.84 0.84 0.84 0.84 0.85 0.85 0.85 0.85 0.85 0.86
0 13 38 61 85 08 31 54 77 99 21
1. 0.86 0.86 0.86 0.87 0.87 0.87 0.87 0.87 0.88 0.88
1 43 65 86 08 29 49 70 90 10 30
1. 0.88 0.88 0.88 0.89 0.89 0.89 0.89 0.89 0.89 0.90
2 49 69 88 07 25 44 62 80 97 15
1. 0.90 0.90 0.90 0.90 0.90 0.91 0.91 0.91 0.91 0.91
3 32 49 66 82 99 15 31 47 62 77
1. 0.91 0.92 0.92 0.92 0.92 0.92 0.92 0.92 0.93 0.93
4 92 07 22 36 51 65 79 92 06 19
1. 0.93 0.93 0.93 0.93 0.93 0.93 0.94 0.94 0.94 0.94
5 32 45 57 70 82 94 06 18 29 41
1. 0.94 0.94 0.94 0.94 0.94 0.95 0.95 0.95 0.95 0.95
6 52 63 74 84 95 05 15 25 35 45
1. 0.95 0.95 0.95 0.95 0.95 0.95 0.96 0.96 0.96 0.96
7 54 64 73 82 91 99 08 16 25 33
1. 0.96 0.96 0.96 0.96 0.96 0.96 0.96 0.96 0.96 0.97
8 41 49 56 64 71 78 86 93 99 06
1. 0.97 0.97 0.97 0.97 0.97 0.97 0.97 0.97 0.97 0.97
9 13 19 26 32 38 44 50 56 61 67
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
2. 0.97 0.97 0.97 0.97 0.97 0.97 0.98 0.98 0.98 0.98
0 72 78 83 88 93 98 03 08 12 17
2. 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98
1 21 26 30 34 38 42 46 50 54 57
2. 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98 0.98
2 61 64 68 71 75 78 81 84 87 90
2. 0.98 0.98 0.98 0.99 0.99 0.99 0.99 0.99 0.99 0.99
3 93 96 98 01 04 06 09 11 13 16
2. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
4 18 20 22 25 27 29 31 32 34 36
2. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
5 38 40 41 43 45 46 48 49 51 52
2. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
6 53 55 56 57 59 60 61 62 63 64
2. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
7 65 66 67 68 69 70 71 72 73 74
2. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
8 74 75 76 77 77 78 79 79 80 81
2. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
9 81 82 82 83 84 84 85 85 86 86
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
3
87 87 87 88 88 89 89 89 90 90
3. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
1 90 91 91 91 92 92 92 92 93 93
3. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
2 93 93 94 94 94 94 94 95 95 95
3. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
3 95 95 95 96 96 96 96 96 96 97
3. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
4 97 97 97 97 97 97 97 97 97 98
3. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
5 98 98 98 98 98 98 98 98 98 98
3. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
6 98 98 99 99 99 99 99 99 99 99
3. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
7 99 99 99 99 99 99 99 99 99 99
3. 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99
8 99 99 99 99 99 99 99 99 99 99
3. 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
9 00 00 00 00 00 00 00 00 00 00
Tabla de la curva normal (0, 1)
La tabla nos da las probabilidades de P(z ≤ k) , siendo z la
variable tipificada.
Estas probabilidades nos dan la función de distribución Φ(k).
Φ(k) = P(z ≤ k)
Búsqueda en la tabla de valor de k
Unidades y décimas en la columna de la izquierda.
Céntesimas en la fila de arriba.
P(Z ≤ a)
P(Z ≤ 1.47) = 0.9292
P(Z > a) = 1 - P(Z ≤ a)
P(Z > 1.47) = 1 − P(Z ≤ 1.47) = 1 − 0.9292 = 0.0708
P(Z ≤ −a) = 1 − P(Z ≤ a)
P(Z ≤ −1.47) = 1 − P(Z ≤ 1.47) = 1 − 0.9292 = 0.0708
P(Z > −a) = P(Z ≤ a)
p(Z > 1.47) = p(Z ≤ 1.47) = 0.9292
P(a < Z ≤ b ) = P(Z ≤ b) − P(Z ≤ a)
P( 0.45 <Z ≤ 1.47) = P(Z ≤ 1.47) − P(Z ≤ 0.45) =
= 0.9292 − 0.6736 = 0.2556
P(−b < Z ≤ −a ) = P(a < Z ≤ b )
P(−1.47 <Z ≤ − 0.45) = P( 0.45 <Z ≤ 1.47) =
= P(Z ≤ 1.47) − P(Z ≤ 0.45) = 0.9292 − 0.6736 = 0.2556
P(−a < Z ≤ b ) = P(Z ≤ b) − [ 1 − P(Z ≤ a)]
P(-1.47 < Z ≤ 0.45) = P(Z ≤ 0.45) − [ 1 − P(Z ≤ 1.47)]=
= 0.6736 − (1 − 0.9292) = 0.6028
p = K
Nos encontramos con el caso inverso a los anteriores,
conocemos el valor de la probabilidad y se trata de hallar el valor de
la abscisa. Ahora tenemos que buscar en la tabla el valor que más
se aproxime a K.
p = 0.75Z ≤ 0.68
Para calcular la variable X nos vamos a la fórmula de la
tipificación.
(X - μ)/σ = 0.68X = μ + 0.68 σ
Aproximación de la binomial por la normal
Teorema de Moivre
Si:
n·p ≥ 0 y n·q ≥ 0.
La distribución binomial B(n, p) se puede aproximar
mediante una distribución normal:
Ejemplo
En una ciudad una de cada tres familias posee teléfono. Si se
eligen al azar 90 familias, calcular la probabilidad de que entre ellas
haya por lo menos 30 tengan teléfono.
