República Bolivariana de Venezuela.

Ministerio Del Poder Popular Para La Educación Universitaria

Universidad Politécnica Territorial Del Estado Portuguesa “Juan De Jesús Montilla”
Acarigua, Estado Portuguesa.

Estadística Inferencial

Estudiantes:
Justimiano Angel
CI: 31.175.544
Dominguez Luis
CI: 30.484.740
Gomez Brithany
CI: 30.362.907

PNF Administración
Sección: 546
Unidad Curricular: Estadística II
Unidad II

Acarigua, Octubre 2023

1
 Estadística Inferencial

 Nociones de probabilidades:

La noción de probabilidad mide la frecuencia y posibilidad con la que puede

suceder un resultado ya sea en un experimento aleatorio, del que se conocen todos los
resultados posibles, bajo condiciones suficientemente estables; O en tu vida diaria
donde tienes que tomar distintas decisiones donde puedes suponer los resultados y haya
la probabilidad de que algo en especifico suceda. La teoría de la probabilidad se usa
extensamente en materias como la estadística, la física, la matemática, las ciencias y la
filosofía para sacar conclusiones sobre la probabilidad discreta de sucesos potenciales y
la mecánica subyacente de sistemas complejos.

 Tipos de probabilidades:

Una de las características de un experimento aleatorio es que no se sabe con

exactitud que resultado se obtendrá. Es decir, si A es un suceso asociado con un
experimento aleatorio, no podemos decir con exactitud si A ocurrirá o no en una prueba
particular. Por lo tanto, puede ser importante tratar de asociar un número al suceso A,
que mida la probabilidad que un suceso ocurra. Este número es el que llamaremos P(A).

Probabilidad Clásica o a Priori: Si un suceso puede ocurrir de N maneras

mutuamente excluyentes e igualmente probables, y m de ellas poseen una característica
A Ejemplos P(de que salgan dos caras al tirar dos monedas) P(de que salga una cara al
tirar dos monedas).

Probabilidad Empírica o Frecuencial: Si efectuamos una serie de n

repeticiones del experimento E, intentando mantener constantes las condiciones
pertinentes. Sea f el número de repeticiones en las que se presenta el suceso A, de forma
que en las restantes n – f no se presentará. Obtendremos así una serie de frecuencias
relativas para n1, n2 …. La aplicación de esta definición está relacionada con un
experimento aleatorio que puede ser repetido varias veces en condiciones uniformes.
Naturalmente, la repetición real será en ocasiones difícil o incluso imposible de realizar,
por ejemplo, debido a los costos prohibitivos de experimentación, pero bastará con que
sea concebible una repetición en condiciones uniformes. Ejemplo. Si colocamos un vaso
en cierta distancia y puedes lanzar una pelota de ping pong 30 veces , de esas hay la
probabilidad de meter 20.

Probabilidad Subjetiva: Se refiere a la probabilidad de ocurrencia de un suceso

basado en la experiencia previa, la opinión personal o la intuición del individuo. En este
caso después de estudiar la información disponible, se asigna un valor de probabilidad a
los sucesos basado en el grado de creencia de que el suceso pueda ocurrir. Es decir que

2
la probabilidad subjetiva no se basa en razones concluyentes sino que se completa el
desconocimiento con la intuición.

 Tipos de probabilidades:

Probabilidad Clásica: Supone que todos los sucesos tienen la misma

probabilidad de ocurrir, esta es la correlación de números de sucesos señalados respecto
al total de sucesos posibles. Ejemplo: Si en una caja hay 200 mangos y 50 naranjas la
probabilidad de que al tomar una fruta esta sea naranja.

Probabilidad Objetiva: Define a la probabilidad como la correlación entre el

número de sucesos favorables obtenidos respecto al total de intentos. Ejemplo: si en una
caja que contiene mangos y naranjas se han tomado 80 frutas y de estas 15 han sido
mangos se deduce que al sacar una fruta de la caja la probabilidad va a ser de que sean
mangos P(M)= 15/80= 0.99=90%.

 Árbol de Probabilidades:

Es una gráfica que presenta los resultados posibles ( opciones de un suceso), así
como la probabilidad de cada uno de ellos.

Uno de los usos más frecuentes de probabilidad es en el pronóstico del tiempo,

en esta aplicación se intenta predecir cuál será la condición climática en un día, una
semana, meses, y hasta de un año. Utilidad de la probabilidad Otro de los usos en la
vida diaria de la probabilidad es en los juegos de azar, especialmente en los casinos. Por
ejemplo, en los diferentes juegos de cartas como el póquer y veintiuna. Parte de las
decisiones que se toman dentro de una empresa se hacen basadas en probabilidades.

 Enfoques de probabilidades:

Enfoque clásico, a priori o de Laplace: Este enfoque define la probabilidad

como un número, determinado de la siguiente forma: P(A)= (n(A))/(n(S))

Dónde:

S = Cardinal del espacio maestral S del experimento.

N(A) = Cardinal del evento A.

La aplicación de este enfoque supone las siguientes condiciones:

Trabaja con espacios muéstrales finitos.

Los puntos de S deben ser igualmente importantes, esto es, igual peso específico.
3
 Enfoque empírico: El enfoque empírico utiliza la frecuencia relativa como una
aproximación al valor de la probabilidad de un evento, esto se refiere a un valor
empírico de la probabilidad de ocurrencia del evento, la cual es un valor teórico
resultante de un cálculo matemático.

Es conveniente por lo tanto tener, presente el concepto de frecuencia, como la

cantidad de veces que ocurre un evento en un determinado periodo. Ahora bien, las
frecuencias pueden ser absolutas o relativas:

Frecuencia absoluta: Es el número de veces que se presenta un evento

determinado en un experimento.

Frecuencia relativa: Es la fracción o porción de veces que se presenta un evento

determinado en un experimento.

La frecuencia relativa para un evento A esta dada por:

fA: (frecuencia absoluta)/(numero de ejecuciones del experimento)= (Numero de

veces que ocurre A)/(Numero de ensayos)

fA: nA/n

P(A) = lim(n->inf)nA/n

Come se puede observar en la expresión anterior, la frecuencia relativa tiende a

la probabilidad de ocurrencia del evento en el límite, es decir cuando el experimento se
ejecuta un gran número de veces.

Enfoque matemático, axiomático o de Kolmogorov: Este enfoque se presenta

por medio de tres axiomas, los cuales son la fundamentación d toda la teoría de
probabilidad.

Axioma 1: 0 < = P(A) < = 1, Esto indica que la probabilidad de ocurrencia de un

evento es un número, el cual debe oscilar siempre entre 0 y 1, sin contradecir la
definición dada por Laplace en el enfoque clásico.

El extremo superior representa la certeza absoluta de la no ocurrencia del evento,

mientras que el inferior representa la certeza absoluta de la no ocurrencia del evento.
Cualquier otro valor entre 0 y 1 indica incertidumbre acerca de la ocurrencia del evento.

Axioma 2: P(S) = 1 P( ø ) = 0, P(S) representa la probabilidad de ocurrencia de

algún resultado cuando se realiza un experimento aleatorio, y de acuerdo con el axioma

4
1, esta probabilidad debe ser 1. En consecuencia, la probabilidad del evento vacío debe
ser 0

Axioma 3: P(A U B) = P(A) + P(B), Si A y B son eventos mutuamente

excluyentes, entonces la probabilidad de su unión es la suma de sus probabilidades
individuales.

La expresión anterior es generalizable a más de dos eventos, así:

P(A1 U A2 U A3 U … U An ) = P(A1) + P(A2) + P(A3) + … + P(An)

 Axiomas:

Axioma de la no-negatividad: La probabilidad de cualquier evento es un Número

real no negativo. En otras palabras, para cualquier evento A, la probabilidad P(A)
siempre es mayor o igual a cero.

Axioma de la aditividad: Si tenemos una colección de eventos mutuamente

excluyentes (es decir, eventos que no pueden ocurrir simultáneamente), entonces la
probabilidad de la unión de esos eventos es igual a la suma de las probabilidades de
cada evento individual. Matemáticamente, si A y B son eventos mutuamente
excluyentes, entonces P(A ∪ B) = P(A) + P(B).

Axioma de la normalización: La probabilidad del espacio muestral completo (es

decir, el conjunto de todos los posibles resultados) es igual a uno. En otras palabras, si S
es el espacio muestral, entonces P(S) = 1.

Estos axiomas juntos proporcionan un marco matemático para asignar

probabilidades a eventos y permiten el desarrollo de una teoría de probabilidad
coherente y consistente. A partir de estos axiomas, se pueden derivar diversas
propiedades y reglas importantes de la probabilidad, como la regla del complemento, la
regla de multiplicación, la probabilidad condicional, la independencia y más. Estos
conceptos permiten el cálculo y análisis de probabilidades en una amplia gama de
aplicaciones, incluyendo estadísticas, teoría de decisiones, evaluación de riesgos y
muchas áreas de la ciencia y la ingeniería.

Es importante tener en cuenta que los axiomas de la probabilidad son principios

fundamentales y no proporcionan métodos específicos para calcular probabilidades en
escenarios del mundo real. Técnicas estadísticas, distribuciones de probabilidad y
métodos de análisis de datos se utilizan junto con estos axiomas para estimar e inferir
probabilidades basadas en información observada o asumida.

 Eventos y tipos de Eventos:

5
 Un evento es un conjunto de resultados posibles de un experimento o fenómeno
de interés. Se refiere a una situación específica que puede ocurrir o no o a una
combinación de resultados. Los eventos se utilizan para describir y analizar la
probabilidad de que ocurran ciertos resultados en un experimento estadístico. En
general, se pueden clasificar en tres tipos:

Evento simple: Es aquel que consiste en un único resultado posible. Por

ejemplo, en el lanzamiento de un dado, obtener un número par es un evento simple.

Evento compuesto: Se compone de dos o más eventos simples. Por ejemplo, en

el lanzamiento de dos dados, obtener una suma mayor a 9 es un evento compuesto, ya
que se deben sumar los resultados de ambos dados.

Evento complementario: Es aquel que consiste en todos los resultados que no

pertenecen a un evento dado. Por ejemplo, en el lanzamiento de un dado, obtener un
número impar es un evento complementario al evento de obtener un número par.

Los eventos pueden ser mutuamente excluyentes, lo que significa que no pueden
ocurrir simultáneamente, o pueden ser eventos independientes, lo que significa que la
ocurrencia de uno no afecta la probabilidad de ocurrencia del otro.

 Regla aditiva:

La regla de adición o regla de la suma, establece que si tenemos un evento A y

un evento B, la probabilidad de que ocurra el evento A o el evento B se calcula de la
siguiente manera:

Fórmula

P(A⋃B) = P(A) + P(B) – P(A⋂B)

Donde:

o P(A) : probabilidad de que ocurra el evento A.

o P(B) : probabilidad de que ocurra el evento B.

o P(A⋃B) : probabilidad de que ocurra el evento A o el evento B.

o P(A⋂B) : probabilidad de que ocurra el evento A y el evento B a la vez.

6
 ¿Y si los eventos son mutuamente excluyentes?

Dos eventos A y B son mutuamente excluyentes si no pueden ocurrir al mismo

tiempo, es decir, si no tienen elementos comunes. Por ejemplo, sacar una carta al azar de
una bajara, y obtener un 5 y un 7, son eventos mutuamente excluyentes, ya que no hay
ninguna carta que tenga un 5 y un 7 al mismo tiempo. Entonces P(A ⋂B) = 0 , por lo
tanto, partiendo de la misma fórmula, obtendríamos la siguiente expresión:

P(A⋃B) = P(A) + P(B) – P(A⋂B)

P(A⋃B) = P(A) + P(B) – 0

P(A⋃B) = P(A) +P(B)

Ejemplo: La probabilidad de que un día cualquiera, Carlos almuerce pollo frito

es de 0,4. La probabilidad de que almuerce hamburguesa es de 0,3; mientras que la
probabilidad de que almuerce pollo frito y hamburguesa el mismo día es de 0,1. Calcula
la probabilidad de que un día cualquiera, Carlos almuerce pollo frito o hamburguesa.

Solución:

Definimos nuestras probabilidades:

Probabilidad de que Carlos almuerce pollo frito: P(A) = 0,4.

Probabilidad de que Carlos almuerce hamburguesa: P(B) = 0,3.

Probabilidad de que Carlos almuerce pollo frito y hamburguesa el mismo día:

P(A⋂B) = 0,1.

Probabilidad de que Carlos almuerce pollo frito o hamburguesa:

P(A⋃B) = ¿

Ahora, aplicamos nuestra fórmula:

P(A⋃B) = P(A) + P(B) – P(A⋂B)

P(A⋃B) = 0,4 + 0,3 – 0,1

P(A⋃B) = 0,6

 Regla multiplicativa:

La regla de la multiplicación o regla del producto, permite encontrar la

probabilidad de que ocurra el evento A y el evento B al mismo tiempo (probabilidad
conjunta). Esta regla depende de si los eventos son dependientes o independientes.
7
 Eventos dependientes.

Dos eventos A y B son dependientes, si la ocurrencia de uno de ellos afecta la

ocurrencia del otro. Para eventos dependientes, la regla de la multiplicación establece
que:

P(A y B)=P(A)×P(B)

P(A y B)=P(B)×P(A)

Ejemplo 1: Una caja contiene 2 canicas azules y 3 rojas. Si se extraen dos

canicas al azar sin reposición, ¿cuál es la probabilidad de que las dos sean azules?

Solución: Dado que las canicas serán extraídas de la misma caja, y que las
canicas que se extraigan, no serán devueltas a la caja (no hay reposición), entonces, se
trata de eventos dependientes.

Evento A: obtener una canica azul en la primera extracción.

Evento B: obtener una canica azul en la segunda extracción.

Por la regla de la multiplicación, sabemos que:

P(ANB) = P(A) × P(B|A) 2 1 5 4 2 20 P(ANB) = = 0,1 = 10%

Eventos independientes.

Dos eventos A y B son independientes, si la ocurrencia de uno de ellos no afecta

la ocurrencia del otro, es decir, cuando los eventos A y B no están relacionados. Para
eventos independientes, la regla de la multiplicación establece que:

P(ANB) = P(A) × P(B)

Esto se debe, a que en los eventos independientes, la ocurrencia de un evento, no

afecta a la ocurrencia del otro.

Ejemplo 2: En un colegio, la probabilidad de que un alumno seleccionado al azar

hable inglés es de 0,20; mientras que la probabilidad de que un alumno juegue fútbol es
de 0,80. El hecho de que un alumno hable inglés, no afecta en nada que juegue fútbol;
por lo tanto, se trata de eventos independientes.

Solución:

Evento A: que el alumno hable inglés. P(A) = 0,20.

8
 Evento B: que el alumno juegue fútbol. P(B) = 0,80.

Usamos la regla de la multiplicación para eventos independientes:

P(ANB) = P(A) × P(B) P(ANB) = 0,20 x 0,80 0,16 = 16%

9
 Probabilidad condicional

La probabilidad condicional, o probabilidad condicionada, es la posibilidad de

que ocurra un evento, al que denominamos A, como consecuencia de que ha tenido
lugar otro evento, al que denominamos B. Es decir, la probabilidad condicional es
aquella que depende de que se haya cumplido otro hecho relacionado.

Si tenemos un evento, que denominamos A, condicionado a otro evento, al cual

denominamos B, la notación sería P(A|B) y la fórmula sería la siguiente:

P(A|B)=P(A ∩ B)/P(B)

Es decir, en la fórmula de arriba se lee que la probabilidad de que suceda A,

dado que ha acontecido B, es igual a la probabilidad de que ocurra A y B, al mismo
tiempo, entre la probabilidad de B.

Lo opuesto a la probabilidad condicional es la probabilidad independiente. Es

decir, aquella que no depende de la ocurrencia de otro evento.

Evento o Suceso

. Se llama evento o suceso a todo subconjunto de un espacio muestral.Por

ejemplo en el espacio muestral E = {1, 2, 3, 4, 5, 6} del lanzamiento de un dado, los
siguientes son eventos:1. Obtener un número primo A = {2, 3, 5}2. Obtener un número
primo y par B = {2}3. Obtener un número mayor o igual a 5 C = {5, 6}

Su Medición Experimental o Estadística.-

La frecuencia relativa del resultado A de un

Experimento es la razónFR = número de veces que ocurre A/número de veces

que se realiza el experimento Si el experimento se repite un número grande de veces, el
valor de FR se aproximará a la medición probabilística P del evento A. Por ejemplo, si
lanzo 100 veces una moneda, el número de veces que obtengo cara es cercano a 50, o
sea FR es cercano a 50%.

Espacio Muestral.-

Se llama espacio muestral € asociado a un experimento aleatorio, al conjunto de

todos los resultados posibles de dicho experimento. Al lanzar una moneda, el espacio
muestral es E = {sale cara, sale sello} ó E = {c, s}. Al lanzar un dado de seis caras, el
espacio muestral ese = {sale 1, sale 2, sale 3, sale 4, sale 5, sale 6}ó E = {1, 2, 3, 4, 5,
6} Al lanzar dos monedas, el espacio muestral ese = {(c,c), (c,s), (s,c), (s,s)}. Al lanzar

10
tres monedas, el espacio muestral es E = {(c,c,c), (c,c,s), (c,s,c), (c,s,s), (s,c,c),(s,c,s),
(s,s,c), (s,s,s)}

Probabilidad Clásica

. Si en un experimento aleatorio todos los resultados sonequiprobables (iguales

probabilidades), es decir, la ocurrencia de uno es igualmente posible que la ocurrencia
de cualquiera de los demás, entonces, la probabilidad de un evento A es la razón(A) =
número de casos favorables para A/número total de casos posibles A partir de esta
definición las probabilidades de los posibles resultados del experimento se pueden
determinar a priori, es decir, sin realizar el experimento. Se deduce de la definición lo
siguiente:0 P(A) 1 La medición probabilística es un número real entre 0 y 1, inclusive,
ó0% P(A) 100% en porcentaje.P() = 0 y P€ = 1

Eventos mutuamente excluyentes y eventos no excluyentes

Dos o más eventos son mutuamente excluyentes o disjuntos, si no pueden ocurrir

simultáneamente. Es decir, la ocurrencia de un evento impide automáticamente la
ocurrencia del otro evento(o eventos).Ejemplo: Al lanzar una moneda solo puede ocurrir
que salga cara o sello pero no los dos a la vez, esto quiere decir que estos eventos son
excluyentes. Dos o más eventos son no excluyentes, o conjuntos, cuando es posible que
ocurran ambos. Esto no indica que necesariamente deban ocurrir estos eventos en forma
simultánea.

Eventos Independientes

Dos o más eventos son independientes cuando la ocurrencia o no-ocurrencia de

un evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o
eventos). Un caso típico de eventos independiente es el muestreo con reposición, es
decir, una vez tomada la muestra se regresa de nuevo a la población donde se obtuvo.

Dos eventos, A y B, son independientes si la ocurrencia de uno no tiene que ver

con la ocurrencia de otro. Por definición, A es independiente de B si y sólo si: A y B,
son independientes si la ocurrencia de uno no tiene que ver con la ocurrencia de otro.
Por definición, A es independiente de B si y sólo si: A es independiente de B si y sólo
siPnA)=P(A)P(B)

Eventos dependientes

Dos o más eventos serán dependientes cuando la ocurrencia o no-ocurrencia de

uno de ellos afecta la probabilidad de ocurrencia del otro (o otros). Cuando tenemos este
caso, empleamos entonces, el concepto de probabilidad condicional para denominar la
probabilidad del evento relacionado. La expresión P (A|B) indica la probabilidad de
ocurrencia del evento A sí el evento B ya ocurrió. Se debe tener claro que A|B no es una

11
fracción.P (A|B) = P(A y B) / P (B) o P (B|A) = P(A y B) / P(A)Probabilidad
Condicional = P(A y B) / P (B) o P (B|A) = P(A y B) / P(A)

Probabilidad Condicional

Si A y B son dos eventos en S, la probabilidad de que ocurra A dado que ocurrió

el eventoB es la probabilidad condicional de A dado B, y se denota: A y B son dos
eventos en S, la probabilidad de que ocurra A dado que ocurrió el evento B es la
probabilidad condicional de A dado B, y se denota:P(AlB).

12
13
14