PROBABILIDAD
INTRODUCCIÓN
La probabilidad es una rama de las matemáticas que estudia la incertidumbre y
permite cuantificar la posibilidad de que ocurra un evento. Las probabilidades
se utilizan en una variedad de campos, incluyendo la estadística, la física, la
economía, la biología, y la ingeniería, entre otros
Conceptos Básicos
Espacio Muestral (S): Es el conjunto de todos los posibles resultados de un
experimento aleatorio. Por ejemplo, al lanzar un dado, el espacio muestral es
{1, 2, 3, 4, 5, 6}.
Evento (E): Es cualquier subconjunto del espacio muestral. Un evento puede
consistir en un solo resultado o en varios resultados. Por ejemplo, obtener un
número par al lanzar un dado es un evento E = {2, 4, 6}.
Probabilidad de un Evento (P(E)): Es una medida que cuantifica la posibilidad
de que ocurra un evento. La probabilidad de un evento E se define como el
número de resultados favorables a E dividido por el número total de resultados
posibles en el espacio muestral.
Matemáticamente, P(E) = |E| / |S|, donde |E| es el número de resultados
favorables y |S| es el número total de resultados posibles.
Reglas Básicas de la Probabilidad
Regla de la Suma: Si A y B son dos eventos mutuamente excluyentes (no
pueden ocurrir al mismo tiempo), la probabilidad de que ocurra A o B es: [ P(A \
cup B) = P(A) + P(B) ]
Regla del Producto: Si A y B son dos eventos independientes (la ocurrencia
de uno no afecta la ocurrencia del otro), la probabilidad de que ocurran ambos
A y B es: [ P(A \cap B) = P(A) \cdot P(B) ]
Regla de la Probabilidad Condicional: La probabilidad de que ocurra el
evento A dado que ha ocurrido el evento B se denota como P(A|B) y se calcula
mediante: [ P(A|B) = \frac{P(A \cap B)}{P(B)} ] siempre que P(B) > 0.
DISTRIBUCIONES DE PROBABILIDAD
Las distribuciones de probabilidad describen cómo se distribuyen los resultados
de un experimento aleatorio.
Las dos distribuciones más comunes son:
Distribución Binomial: Describe el número de éxitos en una secuencia de n
ensayos independientes, cada uno con una probabilidad de éxito p.
La función de probabilidad es: [ P(X = k) = \binom{n}{k} p^k (1-p)^{n-k} ]
donde ( \binom{n}{k} ) es el coeficiente binomial.
Distribución Normal: También conocida como distribución Gaussiana,
describe una distribución continua que es simétrica alrededor de su media, μ,
con una desviación estándar, σ.
Su función de densidad es: [ f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x-\
mu)^2}{2\sigma^2}} ]
APLICACIONES DE LA PROBABILIDAD
Seguros: Las compañías de seguros utilizan probabilidades para calcular las
primas y evaluar riesgos.
Juegos de Azar: La teoría de probabilidades es fundamental en el análisis de
juegos de azar, como la ruleta, el póker, y las loterías.
Predicción del Clima: Los meteorólogos utilizan modelos probabilísticos para
predecir las condiciones meteorológicas futuras. Finanzas: En la economía y
las finanzas, las probabilidades se utilizan para valorar activos, gestionar
riesgos y tomar decisiones de inversión.
CONCLUSIÓN
La probabilidad es una herramienta poderosa que nos permite manejar la
incertidumbre de manera cuantitativa. Desde su uso en ciencias teóricas hasta
aplicaciones prácticas en diversas industrias, la teoría de probabilidades es
esencial para entender y predecir fenómenos aleatorios.
DISEÑO EXPERIMENTAL
INTRODUCCIÓN
El diseño experimental es una metodología científica utilizada para investigar
relaciones de causa y efecto. Al controlar y manipular variables, los
investigadores pueden determinar cómo un cambio en una variable
independiente afecta a una variable dependiente.
Tipos de Diseño Experimental
Diseño Experimental Completamente Aleatorizado:
Descripción: Los sujetos se asignan aleatoriamente a los grupos de
tratamiento.
Ventajas: Simplicidad y facilidad de análisis.
Desventajas: Puede ser menos eficiente si existen variables de confusión no
controladas.
Diseño de Bloques Aleatorizados:
descripción: Los sujetos se agrupan en bloques según una característica, y
dentro de cada bloque se asignan aleatoriamente a los tratamientos. Ventajas:
Mayor control sobre la variabilidad entre sujetos.
Desventajas: Más complejo de implementar.
Diseño Factorial:
Descripción: Se investigan dos o más factores simultáneamente, cada uno con
distintos niveles.
Ventajas: Permite estudiar las interacciones entre factores.
Desventajas: Puede volverse complejo y costoso.
Diseño Cuasiexperimental: Descripción: No se asignan los sujetos
aleatoriamente a los tratamientos.
Ventajas: Útil en situaciones donde la aleatorización no es posible.
Desventajas: Mayor riesgo de sesgos y confusión.
FASES DEL DISEÑO EXPERIMENTAL
Planteamiento del Problema:
Identificar la pregunta de investigación y los objetivos del estudio.
Selección del Diseño: Elegir el tipo de diseño experimental adecuado según
la naturaleza del problema y los recursos disponibles.
Definición de Variables: Determinar las variables independientes (factores) y
dependientes (resultados a medir). Asignación de Sujetos: es Distribuir a los
participantes en los diferentes grupos de tratamiento.
Recolección de Datos: Implementar el experimento y registrar las
observaciones.
Análisis de Datos: Utilizar métodos estadísticos para interpretar los
resultados.
Interpretación y Conclusiones: Extraer conclusiones basadas en los
resultados del análisis y evaluar la validez de las hipótesis.
Ventajas del Diseño Experimental Control de Variables: Permite el control
riguroso de las variables externas, lo que aumenta la validez interna.
Causalidad: Facilita la identificación de relaciones causales entre variables.
Repetibilidad: Los experimentos bien diseñados pueden ser replicados por
otros investigadores. Ejemplos Prácticos Medicina: Evaluar la eficacia de un
nuevo medicamento. Un grupo de pacientes recibe el medicamento (grupo
experimental), mientras otro recibe un placebo (grupo control).
Psicología: Estudiar el efecto del sueño en la memoria. Un grupo de
participantes duerme ocho horas (grupo experimental) y otro grupo duerme
cuatro horas (grupo control).
Agronomía: Analizar el impacto de diferentes fertilizantes en el crecimiento de
las plantas. Las plantas se dividen en grupos y se les aplica diferentes tipos de
fertilizantes.
CONCLUSIÓN
El diseño experimental es una herramienta fundamental en la investigación
científica. Permite establecer relaciones causales claras y controlar la
variabilidad externa. Aunque puede ser complejo de implementar, sus
beneficios en términos de precisión y validez de los resultados lo hacen
indispensable en muchos campos de estudio.
TRABAJO ESTADISTICA DESCRIPTIVA
PRESENTADO POR:
SARAY GOMEZ BOVEA
LUISA ALBAN RAMIREZ
JADIR SILVA
JUAN POLO RIVAS
CARLOS NORIEGA
WILMAN OLIVEROS BORNACHERA
DOC.
TECNICO PROFESIONAL EN PROCESOS CONTABLES
II SEMESTRE G3
INSTITUTO DE FORMACION TECNICO PROFESIONAL HUMBERTO
VELAZQUEZ GARCIA
INFOTEP
AÑO
2024
