INSTITUTO UNIVERSITARIO

DEL CENTRO DE MEXICO

 
Estadística aplicada

Tema:
LOS FUNDAMENTOS DE PROBABILIDAD
La distribución de frecuencias
Actividad:
Resumen

Lic. Isaías Chávez

Alumna: Marisol Yesenia Pérez

Villegas
 LOS FUNDAMENTOS DE PROBABILIDAD
La probabilidad es una herramienta matemática que se utiliza para
estudiar la aleatoriedad y proporcionar predicciones sobre la posibilidad
de que algo ocurra, Hay varias reglas básicas de la probabilidad que
pueden utilizarse para ayudar a determinar la posibilidad de que varios
sucesos ocurran juntos, por separado o de forma secuencial.

 Conceptos:
 Experimento: es cualquier procedimiento que puede repetirse
infinitamente y tiene un conjunto bien definido de posibles
resultados, conocido como espacio muestral. Se dice que un
experimento es aleatorio si tiene más de un resultado posible y
determinista si solo tiene uno. Un experimento aleatorio que tiene
exactamente dos posibles resultados (mutuamente excluyentes)
se conoce como ensayo de Bernoulli.

 Evento: Un Evento es un resultado particular de un experimento

aleatorio. En términos de conjuntos, un evento es un subconjunto
del espacio muestral. Por lo general se le representa por las
primeras letras del alfabeto. Ejemplo:
 Que sal ga un número par al lanza r un dado.
 Que haya que esperar más de 10 minutos para ser
atendidos.
 Evento Nulo: Es aquél que no tiene elementos. Se representa por
φ.
 Evento Seguro: Es el espacio muestral que puede ser considerado
como un evento.

 espacio de eventos o espacio muestral: Es el conjunto de

posibles resultados de un experimento aleatorio. Representaremos
el espacio muestral S y cada elemento de él es llamado un punto
muestral. Ejemplo:
Exp2: Lanzar un par de monedas y anotar el resultado que sale
Exp 5: Se anota el tiempo que hay que esperar para ser atendidos
en un Banco
 Tipos de espacios muestrales:
Espacios muestrales discretos: Son espacios muestrales cuyos
elementos resultan de hacer conteos, y por lo general son
subconjuntos de los números enteros.
 Espacios muestrales continuos: Son espacios muestrales cuyos
elementos resultan de hacer mediciones y por lo general son
intervalos en la recta real

La Probabilidad clásica y subjetiva.

La probabilidad es una disciplina matemática que interfiere en diversas
áreas del conocimiento, desde la música a la física, y también en los
fenómenos cotidianos como la predicción meteorológica. Nos permite
calcular las oportunidades que hay de que un cierto suceso ocurra o no
lo haga, y a partir de esto, predecir, con mayor o menor exactitud, lo
que puede suceder.
Está ligada a la estadística, aunque debemos comprender que no son lo
mismo, sino que, más bien, esta emplea la probabilidad igual que la
física se vale del cálculo como herramienta, pero son disciplinas
diferenciadas. En muchas ocasiones, partiendo de análisis estadísticos,
los expertos utilizan la probabilidad para todo tipo de situaciones:
estudiar las probabilidades que una persona tiene de contraer cáncer a
una determinada edad, realizar predicciones de la situación económica
de un país, estimar la probabilidad de un individuo de tener un accidente
de tráfico para contratar un seguro, etc.
En cuanto a la metodología en probabilidad, existen cuatro perspectivas
básicas: la clásica, la empírica, la subjetiva y la axiomática.
La clásica es a la que más gente se acerca durante su formación
escolar. Es la empleada para calcular, por ejemplo, qué probabilidad hay
de que salga un 6 si tiramos un dado. Es una perspectiva sencilla y útil
para muchas situaciones, pero con ciertas limitaciones si deseamos
calcular la probabilidad de sucesos complejos, cuando el número de
resultados posibles no es finito.
La subjetiva. Se basa en la creencia de un individuo acerca de las
probabilidades que hay de que se dé un suceso. Parte de la mera
intuición de la persona, aunque esta posiblemente llegue a una
conclusión razonada de manera lógica con base en los métodos
anteriormente mencionados, ya que tienen unos principios realmente
intuitivos. Aun así, es un método poco fiable tanto por la variación de
juicio de una persona a otra como por la posible falta de coherencia en
el razonamiento del individuo.
 La Probabilidad simple o marginal
La probabilidad simple es la probabilidad de que ocurra un evento
simple del espacio muestral.
La probabilidad simple es un valor entre 0 y 1. De manera que cuanto
más probable sea de que ocurra un evento determinado, mayor será la
probabilidad simple de dicho evento. Y al revés, cuanto menos probable
sea de que suceda un evento, menor será su probabilidad simple.
La probabilidad simple también se llama probabilidad marginal.
Fórmula de la probabilidad simple
La fórmula de la probabilidad simple es igual al número de casos
favorables de un experimento dividido entre el número total de posibles
resultados del experimento.

Es la llamada regla de Laplace. Hay que tener presente que esta fórmula
solo se puede usar si todos los eventos del espacio muestral tienen la
misma probabilidad de ocurrencia, es decir, es un espacio muestral
equiprobable.

Probabilidad para dos o más eventos

Los eventos independientes se dan cuando dos sucesos aleatorios son
independientes entre sí, cuando la probabilidad de cada uno de ellos no
esta influida porque el otro suceso ocurra o no, es decir, cuando ambos
sucesos no están relacionados.
Cuando los eventos no se afectan entre sí se les conoce como eventos
independientes. Dos sucesos son independientes si la probabilidad de
que ocurran ambos simultáneamente es igual al producto de las
probabilidades de que ocurra cada uno de ellos.
Los eventos independientes ocurren cuando:
a) el proceso que genera el elemento aleatorio no elimina ningún posible
resultado. Pueden ser dos, tres o más eventos que no se afecten entre
sí.
b) el proceso que sí elimina un posible resultado, pero el resultado es
sustituido antes de que suceda una segunda acción.
1. Si los eventos de un espacio muestral son mutuamente excluyentes,
entonces la probabilidad de ocurrencia de uno u otro es la suma de sus
respectivas probabilidades:

2. Si los eventos de un espacio muestral son independientes, entonces

la probabilidad de ocurrencia de uno y otro es la multiplicación de las
probabilidades individuales:

3. Si los eventos de un espacio muestral se traslapan parcialmente pro

tener elementos en común, la probabilidad de ocurrencia de uno u otro
es:

4. Cuando los eventos de un espacio muestral contienen elementos en

común, se dice que son eventos dependientes, esto es, que la
probabilidad de ocurrencia de un evento afecta a la de otro de los
eventos dentro del mismo conjunto:

Para eventos que se traslapan parcialmente (A V B)

Cuando son eventos que se traslapan parcialmente, la probabilidad de
ocurrenciade uno o de otro , es igual a la probabilidd de ocurrencia de A
mas la probabilidad de ocurrencia de B menos la probabilidad de que
ambas ocurran, esto es:
P(A U B)=P(A)+P(B)-P(A n B)

Para eventos mutuamente excluyentes P (A V B)

Cuando dos eventos son mutuamente excluyentes, la probabilidad de
ocurrencia de uno o de otro es igual a la probabilidad de A mas la
probabilidad de B, esto es:
P(A U B)= P(A)+P(B)

Probabilidad condicional P (A/B)

Probabilidad Condicional: si la probabilidad de que ocurra un evento
depende completamente de la ocurrencia de otros eventos, dentro del
mismo espacio muestral, se dice que el segundo evento está
condicionado a la ocurrencia del primer evento:

El Teorema de Bayes: solución por diagrama de árbol;

solución por formula y solución por tabla.
El teorema de Bayes es utilizado para calcular la probabilidad de un
suceso, teniendo información de antemano sobre ese suceso. El teorema
de Bayes entiende la probabilidad de forma inversa al teorema de la
probabilidad total. El teorema de la probabilidad total hace inferencia
sobre un suceso B, a partir de los resultados de los sucesos A. Por su
parte, Bayes calcula la probabilidad de A condicionado a B. El teorema
de Bayes ha sido muy cuestionado. Lo cual se ha debido,
principalmente, a su mala aplicación. Ya que, mientras se cumplan los
supuestos de sucesos disjuntos y exhaustivos, el teorema es totalmente
válido.
Fórmula del teorema de Bayes
Para calcular la probabilidad tal como la definió Bayes en este tipo de
sucesos, necesitamos una fórmula. La fórmula se define
matemáticamente como:
Donde B es el suceso sobre el que tenemos información previa y A(n)
son los distintos sucesos condicionados. En la parte del numerador
tenemos la probabilidad condicionada, y en la parte de abajo la
probabilidad total. En cualquier caso, aunque la fórmula parezca un poco
abstracta, es muy sencilla. Para demostrarlo, utilizaremos un ejemplo
en el que en lugar de A(1), A(2) y A(3), utilizaremos directamente A, B
y C.
Ejemplo básico del teorema de Bayes
Para comprender mejor en que situaciones o en qué tipo de problemas
se hace uso del teorema de Bayes se pondrá el siguiente ejemplo: Se
hizo una encuesta a un grupo grande de personas donde se les
preguntaba el género y si ellos practicaban algún deporte o hacían
ejercicio en general, los resultados de la encuesta fueron los siguientes:
el 40% por ciento de los encuestados eran hombres y el 60% eran
mujeres, de los cuales el 80% de los hombres y el 50% de las mujeres
hacían ejercicios.
Tomando como referencia el supuesto anterior, las preguntas que se
hacen normalmente en problemas son del tipo: ¿Cuál es la probabilidad
de que al seleccionar a una persona al azar esta sea hombre y a la vez
haga ejercicio?, que en este caso se buscaría p(HnE) siendo H la
probabilidad que sea un hombre y E la probabilidad que haga ejercicio,
esto se hace simplemente multiplicando las probabilidades y se obtiene
el resultado: p(HnE)0.4*0.8=0.32.
Pero el teorema de Bayes se usaría si la pregunta se hace al revés, es
decir:¿Cuál es la probabilidad que si se selecciona a alguien que haga
ejercicios, esta sea hombre?, en este planteamiento lo que se busca es
lo contrario a lo que se tiene, por que lo que se da en el enunciado es el
porcentaje de los géneros y que porcentaje de cada genero hace
ejercicio, pero no se tienen los porcentajes generales de las personas
que hacen ejercicio o no, sino que las probabilidades están repartidas
entre cada genero, y es en estos
casos que se usa el teorema de
Bayes.
Fórmula del teorema de Bayes

Donde:
A y B son eventos, y además: P(B) ≠ 0.
P(A|B): es la probabilidad de que ocurra A, dado que ha ocurrido B.
P(B|A): es la probabilidad de que ocurra B, dado que ha ocurrido A.
P(A): es la probabilidad de que ocurra A.
P(B): es la probabilidad de que ocurra B.

Diagrama de árbol
Un diagrama de árbol es una representación gráfica de los posibles
resultados de un experimento que tiene varios pasos. Nos permite
calcular la probabilidad de que ocurra un evento de una manera muy
sencilla. Un diagrama de árbol, también conocido como árbol de
probabilidad, es una representación gráfica de todos los posibles
resultados de un experimento junto con sus probabilidades.
Un diagrama de árbol se hace de manera que cada resultado (nudo) se
ramifica en nuevos posibles resultados (ramas) hasta llegar a los
resultados finales.
Ejemplo:
El 20\% de los empleados de una empresa son ingenieros y otro 20\%
son economistas. El 75\% de los ingenieros ocupan un puesto directivo
y el 50\% de los economistas también, mientras que los no ingenieros y
los no economistas solamente el 20\% ocupa un puesto directivo. ¿Cuál
es la probabilidad de que un empleado directivo elegido al azar sea
ingeniero?
Solución: Considere los siguientes eventos y sus probabilidades:
A_1: "Los empleados son ingenieros" \Rightarrow P(A_1)=0.2.
A_2: "Los empleados son economistas" \Rightarrow P(A_2)=0.2.
A_3: "Los empleados tienen otra carrera"\Rightarrow P(A_3)=0.6.
Además, considere el evento B: "el empleado ocupa un puesto
directivo". El ejercicio nos da también las siguientes probabilidades:

La información anterior puede ser resumida en el siguiente diagrama de

árbol:
Estamos interesados en conocer P(A_1|B) , es decir, la probabilidad de
que un empleado sea ingeniero dado que a priori sabemos que es
directivo. Siguiendo la fórmula de Bayes tenemos que
Bibliografia
[Link]
%C3%[Link]
[Link]
+Journal+manager,+[Link]
Navidi, W. (2006). Estadística para ingenieros y científicos. Boston,
Mass.: McGraw-Hill, p.79.