PROBABILIDAD Y DISTRIBUCION DE PROBABILIDAD

Integrantes: Diaz Juan Franco Pablo Jordn Jos Moreno Martin Tremont Omar C.I: 14.227.611 C.I: 16.349.879 C.I: 15.459.308 C.I: 16.830.584 C.I: 14.735.296

Santa Ana de Coro, Junio de 2011

INTRODUCCION

En la vida cotidiana aparecen muchas situaciones en las que los resultados observados son diferentes aunque las condiciones iniciales en las que se produce la experiencia sean las mismas. Por ejemplo, al lanzar una moneda unas veces resultar cara y otra cruz. Estos fenmenos, denominados aleatorios, se ven afectados por la incertidumbre.

En el lenguaje habitual, frases como "probablemente...", "es poco probable que...", "hay muchas posibilidades de que..." hacen referencia a esta incertidumbre.

La teora de la probabilidad pretende ser una herramienta para modelizar y tratar con situaciones de este tipo; Por otra parte, cuando aplicamos las tcnicas estadsticas a la recogida, anlisis e interpretacin de los datos, la teora de la probabilidad proporciona una base para evaluar la fiabilidad de las conclusiones alcanzadas y las inferencias realizadas. Debido al importante papel desempeado por la probabilidad dentro de la estadstica, es necesario familiarizarse con sus elementos bsicos, lo que constituye el objetivo del presente tema

PROBABILIDAD Y DISTRIBUCION DE PROBABILIDAD 1.- Definicin de Probabilidad Probabilidad Supngase un experimento cualquiera, por ejemplo, el nmero dos en el lanzamiento de un dado. El conjunto de todos los resultados posibles se llama universo o espacio de la muestra, en este caso, los nmeros de 1 a 6 en el lanzamiento del dado en cuestin. Usualmente se utiliza el concepto de frecuencia para ilustrar el concepto de

probabilidad. Supngase que se estudian n resultados de un experimento, de los cuales m se consideran ocurrencias exitosas de un resultado deseado, E y P(E) denota la probabilidad de ocurrencia de dicho resultado; la relacin entre el

nmero de resultados exitosos m y el nmero de resultados posibles n, es una medida aproximada de la probabilidad de ese resultado, es decir:

Esto es rigurosamente cierto cuando n es muy grande. Ms formalmente, se deber escribir as:

Dnde: P(E): Probabilidad que el resultado E ocurra. E: Resultado que interesa analizar. M: Nmero de veces que ocurre E. n: Nmero de veces que se ejecuta el experimento.

Ejemplo Si se desea saber cul es la probabilidad de ocurrencia de nmero 2 en la cara superior cuando se lanza un dado, se lanzamientos seguidos y anotar cuntas veces aparece cada que aparezca el podran hacer nmero, en

particular el 2. Si esto se repite varias veces, entonces la relacin entre el nmero de veces que apareci el 2 y el nmero de lanzamientos ser un estimativo de la probabilidad. Esta frecuencia relativa tiende a un nmero; en el caso de un dado que no est cargado, esta frecuencia tiende a 1/6. Una variable aleatoria est definida por una funcin que asigna un valor de dicha variable aleatoria a cada punto del universo. Por ejemplo, la variable aleatoria puede ser el valor que aparezca en la cara superior del dado, o el cuadrado de este valor, etc. En este ejemplo, E=2, m es el nmero de veces que aparece el nmero 2 y n es el nmero de lanzamientos.

2.- Tipos De Probabilidad Probabilidad Clsica o de Laplace (fines del siglo xvi). Bajo este concepto definiremos la probabilidad de obtener un determinado resultado A, en un experimento aleatorio como la relacin por cociente, entre el nmero de casos favorables a su ocurrencia, y el nmero de casos posibles. Si representamos la probabilidad de ocurrencia del evento A, por P(A), se tendr:

Esta es la definicin clsica o apriori (antes de), es de aplicacin fcil, pues no se necesita de ningn experimento para su clculo, sino nicamente el conocimiento de las condiciones en que se realiza el experimento. Se supone que todos los

resultados posibles son conocidos, y que todos tienen la misma probabilidad de ocurrir. Ejemplo Si una urna contiene 10 esferas blancas, 15 azules y 5 rojas, la probabilidad de extraer al azar una esfera blanca, es:

Esta probabilidad se basa en razonamientos abstractos y no depende de la experiencia, lo cual permite estimar probabilidades sin realizar una gran cantidad de experimentos. Probabilidad Frecuentista o de Von Mises (Frecuencias Relativas 1957) La probabilidad experimental de que ocurra un evento es la frecuencia relativa observada con que ocurre ese evento. Si un experimento se realiza n veces, bajo las mismas condiciones y si ocurren n(A) resultados favorables al evento A, el valor estimado de la probabilidad de que ocurra A como resultado de la experimentacin, puede determinarse de la manera siguiente:

Donde n(A) es el nmero de veces que se observ realmente el evento A, y n es el nmero de veces que se efectu el experimento. La probabilidad estimada, obtenida en esta forma, se denomina probabilidad experimental. A medida que aumenta el nmero de ensayos o experimentos, la probabilidad estimada de que ocurra un evento, que se obtiene a travs de la frecuencia relativa, se va acercando al valor apriori. Por medio del enfoque de frecuencias relativas, la probabilidad se determina sobre la base de la

proporcin de veces que ocurre un resultado favorable, en un nmero de observaciones o experimentos. No hay supuesto previo de iguales probabilidades. Ejemplo De 70 alumnos que se inscribieron al curso de probabilidad y estadstica en el semestre anterior. 15 no lo terminaron, 20 obtuvieron una calificacin de NA y el resto lo aprobaron, Cul es la probabilidad de que un alumno acredite la materia?

Probabilidad Subjetiva (1969) La probabilidad estimada mediante los enfoques clsicos y experimental, son completamente objetivos, ya que se determinan con base en hechos reales. En cambio, en algunos casos se presentan situaciones en las cuales no es posible realizar experimentos repetitivos y los resultados tampoco son igualmente probables. En estas condiciones, la probabilidad de ocurrencia de un

evento debe evaluarse en forma subjetiva. Tales apreciaciones suelen ser de criterio personal, y por lo tanto, dos personas pueden cuantificar en forma diferente, la probabilidad subjetiva del mismo evento. Podemos entonces considerar la probabilidad subjetiva como la

evaluacin personal de la ocurrencia de un evento incierto, que se hace con base en criterios o experiencias sobre casos semejantes. Ejemplo Se la asigna la persona que hace un estudio, y depende del conocimiento que esta persona tenga sobre el tema. Precisamente por su carcter de subjetividad no se considera con validez cientfica, aunque en la vida diaria es de las ms comunes que se utilizan al no apoyarse ms que en el sentido comn y los conocimientos previos, y no en resultados estadsticos.

Axiomas de Probabilidad

Los axiomas de la formulacin moderna de la teora de la probabilidad constituyen una base para deducir a partir de ellas un amplio nmero de resultados. La letra P se utiliza para designar la probabilidad de un evento, siendo P(A) la probabilidad de ocurrencia de un evento A en un experimento. AXIOMA 1 Si A es un evento de S, entonces la probabilidad del evento A es:

Como no podemos obtener menos de cero xitos ni ms de n xitos en n experimentos, la probabilidad de cualquier evento A, se representa mediante un valor que puede variar de 0 a 1. AXIOMA 2 Si dos eventos son mutuamente excluyentes, la probabilidad de obtener A o B es igual a la probabilidad de obtener A ms la probabilidad de obtener B.

Excluirse

mutuamente en el

quiere

decir

que

no

pueden

ocurrir

simultneamente

mismo experimento. As, la probabilidad de obtener

guila o sol en la misma tirada de una moneda ser

En general podemos decir que la suma de las probabilidades de todos los posibles eventos mutuamente excluyentes es igual a 1:

AXIOMA 3 Si A es un evento cualquiera de un experimento aleatorio y A es el complemento de A, entonces:

Es decir, la probabilidad de que el evento A no ocurra, es igual a 1 menos la probabilidad de que ocurra.

3.- Reglas de la Adicion de Probabilidad Suponiendo que P(A) y P(B) representan las probabilidades para los dos eventos A y B, entonces P(A B) significa la probabilidad de que ocurran A o B. Si representamos los eventos A y B en un Diagrama de Venn con A B =

Entonces A y B son conjuntos disjuntos o mutuamente excluyentes, o sea que no pueden ocurrir en forma simultnea

En cambio, si ambos eventos tienen puntos mustrales en comn A B

Probabilidad Condicional La probabilidad condicional se simboliza P(B/A), que se lee probabilidad de B, dado A, o la probabilidad de que ocurra B, condicionado a que haya ocurrido A. Se dice que dos o ms eventos son independientes entre s cuando la probabilidad de que ocurra uno no es influida por la ocurrencia de otro. Si A y B representan dos eventos y si la ocurrencia de A no afecta a la ocurrencia de B, y la ocurrencia de B no afecta a la ocurrencia de A, entonces se dice que A y B son Independientes. En este caso, la probabilidad de que ocurran A y B es igual al producto de sus respectivas probabilidades, y se expresa as:

Ejemplo En una caja hay 5 esferas blancas, 4 rojas y 3 negras. Se extrae una esfera, se observa su color y se regresa a la caja. Bajo estas condiciones, Cul es la probabilidad de que al extraer 3 esferas, stas sean de color rojo?

Si dos eventos A y B no son independientes, es decir, si A y B son dependientes, la probabilidad compuesta de A y B no es igual al producto de sus probabilidades respectivas. Por lo cual, podemos decir, que para eventos dependientes:

Es decir:

En una caja hay 5 esferas blancas, 4 rojas y 3 negras. Si se extraen al azar 3 esferas en forma consecutiva, sin reemplazo, Cul es la

probabilidad de que las 3 sean de color rojo? Sea R1 el evento extraer una esfera roja.

De la expresin P(AB) = P(A)P(B/A) despejamos P(B/A) y se obtiene la probabilidad condicional de "B dado A".

En forma anloga, la probabilidad condicional de "A dado B", es:

Teorema de Bayes El procedimiento que se utiliza para encontrar probabilidades posteriores, a partir de probabilidades previas, se llama regla Bayesiana. Las probabilidades apriori o

previas se conocen antes de obtener informacin alguna del experimento en cuestin. Las probabilidades aposteriori se determinan despus de conocer los resultados del experimento. El teorema de Bayes consiste en un mtodo para encontrar la probabilidad de una causa especfica cuando se observa un efecto particular.

Esto es, si el evento B ha ocurrido, Cul es la probabilidad de que fue generado por el evento A1 (que es una causa posible ) o por el A2 (otra causa posible)? Si suponemos que los eventos A1, A2, A3, ...., An, forman una particin de un espacio muestral S; esto es, que los eventos A1 son mutuamente excluyentes y su unin es S. Ahora, sea B otro evento, entonces:

Donde Ai B son eventos mutuamente excluyentes. En consecuencia:

Luego por la regla de multiplicacin:

Si A1, A2, A3, ..., An

es una particin de S, y B es cualquier evento.

Entonces para cualquier i,

Es decir:

La expresin anterior puede interpretarse de la manera siguiente: Si un evento puede ocurrir en ms de una forma, entonces la probabilidad de que ocurra en una forma particular ser igual a la razn de la probabilidad de que se presente la forma respecto a la probabilidad de que ocurra. Ejemplo Se tienen dos cajas. La caja I contiene 3 esferas rojas y 2 azules, en tanto que la caja II contiene 2 esferas rojas y 8 azules. Se arroja una moneda. Si se obtiene guila se saca una esfera de la caja I; si se obtiene sol se saca una esfera de la caja II. R indica el evento sacar una esfera roja mientras que I y II indican los eventos escoger caja I y caja II, respectivamente. Una esfera roja puede resultar al escoger cualquiera de las cajas. a) Hallar la probabilidad de sacar una esfera roja.

b) Hallar la probabilidad de que se escogiera la caja I, dado que la esfera es R, (es decir que el resultado de arrojar la moneda sea guila). La persona que arroj la moneda no da a conocer si result guila o sol (de tal manera que la caja de la cual se sac la esfera se desconoce) pero indica que se

extrajo una esfera roja. Buscamos la probabilidad de que se escoja la caja I y se sabe que se sac una esfera roja. Empleando el teorema de Bayes, esta probabilidad est dada por:

CONCLUSION

Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como resultado de un experimento. Una distribucin de probabilidad es similar al distribucin de frecuencias relativas .Sin embargo, en vez de describir el pasado, describe la probabilidad que un evento se realice en el futuro, constituye una herramienta fundamental para la prospectiva, puesto que se puede disear un escenario de acontecimientos futuros considerando las tendencias actuales de diversos fenmenos naturales.

Las

decisiones

estadsticas

basadas

en

la

estadstica

inferencial

son

fundamentales en la investigacin que son evaluadas en trminos de distribucin de probabilidades.

En el presente trabajo, se estudi de manera gil los diverso tipos de distribucin probabilstica, caracterizando cada distribucin.