Estadística
SABER
Consulta: Probabilidad y distribuciones continuas
Docente: Andrea Murguia
Técnico Superior Universitario
en
Logística
Área Cadena de Suministros
Elaborado por:
Chávez García Dariana Marlen
Arizpe, Coahuila 19/mayo/2024
Explicar los conceptos de:
Probabilidad:
El término probabilidad se utiliza para definir el cálculo matemático que
establece todas las posibilidades que existen de que ocurra un fenómeno
en determinadas circunstancias de azar.
La probabilidad se calcula con base en un valor entre 0 y 1 y el nivel de
certidumbre viene determinado por la cercanía a la unidad; por el contrario, en
caso de que se aproxime al cero, hay menos seguridad en el resultado final.
Para el cálculo de la probabilidad es necesario dividir el número de sucesos
favorables entre el número total de sucesos posibles. Esto genera una muestra
y, a partir de los datos obtenidos, se puede realizar el cálculo.
El cálculo de probabilidades se expresa en porcentaje y responde a la siguiente
fórmula:
Probabilidad = Casos favorables / casos posibles x 100.
Tipos de probabilidad
• Matemática: sigue los principios de una lógica formal y no experimental,
calculando en cifras eventos aleatorios que pueden ocurrir en un
determinado campo.
• Frecuencial: se basa en la experimentación y determina el número de
veces que un suceso puede ocurrir, teniendo en cuenta un número
específico de oportunidades.
• Objetiva: tiene en cuenta con antelación la frecuencia del evento, y solo
da a conocer los casos probables en los que puede ocurrir tal evento.
• Subjetiva: su concepto es opuesto a la probabilidad matemática, ya que
toma en cuenta ciertas eventualidades que permiten inferir la
probabilidad de un determinado evento, aun sin tener una certeza a nivel
aritmético.
• Binomial: determina el éxito o fracaso de un evento que tenga
únicamente dos posibles resultados.
• Lógica: plantea la posibilidad de que un evento ocurra a partir de leyes
inductivas.
• Condicionada: explica la probabilidad de que suceda un evento según
la ocurrencia previa de otro, por lo que uno es dependiente del otro.
• Hipergeométrica: probabilidad que se obtiene a partir de técnicas de
muestreo, es decir, que los eventos se clasifican según la frecuencia de
su acontecimiento. De esta forma, se crean una serie de grupos de
eventos que están determinados según su aparición
Reglas de probabilidad
Las reglas de la probabilidad son fundamentales para entender cómo funcionan los
eventos aleatorios y cómo se puede calcular la probabilidad de que ocurran ciertos
eventos. A continuación, se describen algunas de las reglas básicas:
1. Regla de la Suma
• Eventos Mutuamente Excluyentes: Si dos eventos, AAA y BBB, son
mutuamente excluyentes (no pueden ocurrir simultáneamente), la
probabilidad de que ocurra AAA o BBB es la suma de sus probabilidades
individuales. P(A∪B)=P(A)+P(B)P(A \cup B) = P(A) + P(B)P(A∪B)=P(A)+P(B)
2. Regla de la Multiplicación
• Eventos Independientes: Si dos eventos, AAA y BBB, son independientes
(la ocurrencia de uno no afecta la ocurrencia del otro), la probabilidad de que
ocurran ambos es el producto de sus probabilidades individuales.
P(A∩B)=P(A)×P(B)P(A \cap B) = P(A) \times P(B)P(A∩B)=P(A)×P(B)
• Eventos Dependientes: Si dos eventos, AAA y BBB, son dependientes (la
ocurrencia de uno afecta la ocurrencia del otro), la probabilidad de que
ocurran ambos es la probabilidad de que ocurra AAA multiplicada por la
probabilidad de que ocurra BBB dado que AAA ha ocurrido.
P(A∩B)=P(A)×P(B∣A)P(A \cap B) = P(A) \times P(B|A)P(A∩B)=P(A)×P(B∣A)
3. Probabilidad Condicional
La probabilidad de que ocurra el evento AAA dado que ha ocurrido el evento BBB
se denota como P(A∣B)P(A|B)P(A∣B) y se calcula mediante la fórmula:
P(A∣B)=P(A∩B)P(B),si P(B)>0P(A|B) = \frac{P(A \cap B)}{P(B)}, \quad \text{si } P(B)
> 0P(A∣B)=P(B)P(A∩B),si P(B)>0
4. Ley de la Probabilidad Total
Si B1,B2,…,BnB_1, B_2, \ldots, B_nB1,B2,…,Bn son eventos mutuamente
excluyentes y exhaustivos (uno de ellos debe ocurrir), y AAA es cualquier evento,
entonces:
P(A)=∑i=1nP(A∣Bi)×P(Bi)P(A) = \sum_{i=1}^{n} P(A|B_i) \times P(B_i)P(A)=i=1∑n
P(A∣Bi)×P(Bi)
5. Teorema de Bayes
El Teorema de Bayes permite actualizar las probabilidades iniciales a partir de
nueva información. Se formula como:
P(A∣B)=P(B∣A)×P(A)P(B),si P(B)>0P(A|B) = \frac{P(B|A) \times P(A)}{P(B)}, \quad
\text{si } P(B) > 0P(A∣B)=P(B)P(B∣A)×P(A),si P(B)>0
6. Complemento de un Evento
La probabilidad de que no ocurra un evento AAA (denotado como AcA^cAc) es:
P(Ac)=1−P(A)P(A^c) = 1 - P(A)P(Ac)=1−P(A)
7. Regla de la Unión General
Para cualesquiera dos eventos AAA y BBB:
P(A∪B)=P(A)+P(B)−P(A∩B)P(A \cup B) = P(A) + P(B) - P(A \cap
B)P(A∪B)=P(A)+P(B)−P(A∩B)
Estas reglas proporcionan las bases necesarias para resolver una amplia variedad
de problemas en probabilidad. Si tienes un problema en mente, puedo ayudarte a
aplicarlas.
Explicar los métodos de distribución de datos:
– Normal:
a) Valores atípicos
b) Tipos de sesgos
– Chi cuadrada
Los métodos de distribución de datos son herramientas estadísticas que nos
permiten entender y modelar cómo se distribuyen los datos en una muestra o
población.
Distribución Normal
La distribución normal, también conocida como distribución de Gauss o curva de
campana, es una de las distribuciones más importantes en estadística. Es simétrica
y describe cómo se distribuyen muchos tipos de datos de forma natural.
a) Valores Atípicos
Los valores atípicos son observaciones que se desvían significativamente del resto
de los datos. En una distribución normal, los valores atípicos suelen estar en las
colas de la distribución (a más de 3 desviaciones estándar de la media).
• Detección: Los valores atípicos pueden detectarse mediante gráficos de caja
y bigotes (boxplots), análisis de z-scores, y otros métodos estadísticos.
• Impacto: Los valores atípicos pueden distorsionar las medidas de tendencia
central y dispersión, y pueden indicar errores de medición o datos
interesantes que merecen una investigación más profunda.
b) Tipos de Sesgos
El sesgo en una distribución se refiere a la asimetría o falta de simetría en los datos.
• Sesgo Positivo (hacia la derecha): La cola derecha de la distribución es
más larga o gruesa que la izquierda. Indica que hay valores
extremadamente altos.
• Sesgo Negativo (hacia la izquierda): La cola izquierda de la distribución
es más larga o gruesa que la derecha. Indica que hay valores
extremadamente bajos
• Sin Sesgo (Distribución Simétrica): La distribución es simétrica respecto
a la media.
Distribución Chi-Cuadrada
La distribución chi-cuadrada (χ2\chi^2χ2) es una distribución de probabilidad que se
utiliza en pruebas de hipótesis y en el análisis de varianza. Es una distribución
asimétrica y solo toma valores no negativos.
• Definición: La distribución chi-cuadrada es la suma de los cuadrados de kkk
variables aleatorias normales estándar independientes, donde kkk es el
número de grados de libertad.
Usos:
o Prueba de Independencia: Se utiliza para evaluar si dos variables
categóricas son independientes.
o Prueba de Bondad de Ajuste: Evalúa si una muestra de datos sigue
una distribución específica.
o Intervalos de Confianza para la Varianza: Se utiliza para estimar la
varianza de una población.
Características:
o La distribución chi-cuadrada es asimétrica y su forma depende del
número de grados de libertad.
o A medida que aumentan los grados de libertad, la distribución se
vuelve más simétrica y se aproxima a una distribución normal.
Resumen
• Distribución Normal:
o Valores Atípicos: Observaciones que se desvían significativamente
de la media.
o Sesgos: Indica la asimetría de la distribución (positivo, negativo o sin
sesgo).
• Distribución Chi-Cuadrada:
o Utilizada principalmente en pruebas de hipótesis y análisis de
varianza.
o Caracterizada por su asimetría y dependencia del número de grados
de libertad.
