SEMINARIO DE INTEGRACIN PROFESIONAL PROBABILIDADES LICENCIADO DLFIDO MORALES G ABRIEL

CAPITULO I PROBABILIDADES El trmino Probabilidad se refiere al estudio del azar y la incertidumbre. En aquellas situaciones en las cules se puede producir uno de varios resultados posibles, la Teora de la Probabilidad provee mtodos para cuantificar la chance de ocurrencia de cada uno de ellos. 1. DEFINICIN: 1.1 El enfoque clsico: Dice que si hay x posibles resultados favorables a la ocurrencia de un evento A y z posibles resultados desfavorables a la ocurrencia de A, y todos los resultados son igualmente posibles y mutuamente excluyente (no pueden ocurrir los dos al mismo tiempo).

El enfoque clsico de la probabilidad se basa en la suposicin de que cada resultado sea igualmente posible. Este enfoque es el que permite, (en caso de que pueda aplicarse) calcular el valor de probabilidad antes de observar cualquier evento de muestra.

Ejemplo: Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. La probabilidad de sacar una piedra roja en un intento es:

P(A) = ____9____= 0.375 o 37.5% 9+15

1.2 El enfoque de frecuencia relativa: Tambin llamado Enfoque Emprico, determina la probabilidad sobre la base de la proporcin de veces que ocurre un evento favorable en un nmero de observaciones. En este enfoque no se utiliza la suposicin previa de aleatoriedad. Porque la determinacin de los valores de probabilidad se basa en la observacin y recopilacin de datos.

SEMINARIO DE INTEGRACIN PROFESIONAL

ANUALIDADES VARIABLES LICENCIADO DLFIDO MORALES G ABRIEL

Ejemplo: Se ha observado que 9 de cada 50 vehculos que pasan por una esquina no tienen cinturn de seguridad. Si un vigilante de transito se para en esa misma esquina un ida cualquiera Cul ser la probabilidad de que detenga un vehculo sin cinturn de seguridad?

P(A) = ___9___ = 0.18 o 18%

50

Tanto el enfoque clsico como el enfoque emprico conducen a valores objetivos de probabilidad, en el sentido de que los valores de probabilidad indican al largo plazo la tasa relativa de ocurrencia del evento.

1.3 El enfoque subjetivo: Dice que la probabilidad de ocurrencia de un evento es el grado de creencia por parte de un individuo de que un evento ocurra, basado en toda la evidencia a su disposicin. Bajo esta premisa se puede decir que este enfoque es adecuado cuando solo hay una oportunidad de ocurrencia del evento. Es decir, que el evento ocurrir o no ocurrir esa sola vez. El valor de probabilidad bajo este enfoque es un juicio personal.

2. EVENTO:

En estadstica, un evento o suceso es un subconjunto de un espacio muestral, es decir, un conjunto de posibles resultados que se pueden dar en un experimento aleatorio. Formalmente, sea un espacio muestral, entonces un evento es un subconjunto donde (w1,w2,...) son una serie de posibles resultados.

Se dice que un evento A ocurre, si el resultado del experimento aleatorio es un elemento de A.

~2~

SEMINARIO DE INTEGRACIN PROFESIONAL

ANUALIDADES VARIABLES LICENCIADO DLFIDO MORALES G ABRIEL

2.1 TIPOS DE EVENTOS:

2.1.1 Evento o suceso elemental: Un suceso o evento elemental es un subconjunto del espacio muestral que contiene un nico elemento.

Ejemplos de espacios mustrales y sucesos elementales: Si se trata de contar objetos y el espacio muestral S = {0, 1, 2, 3, ...} (los nmeros naturales), entonces los sucesos elementales son cada uno de los conjuntos {k}, donde k N. Si se lanza una moneda dos veces, S = {cc, cs, sc, ss}, donde (c representa "sale cara" y s, "sale cruz"), los sucesos elementales son {cc}, {cs}, {sc} y {ss}. Si X es una variable aleatoria normalmente distribuida, S = (-, +), los nmeros reales, los sucesos elementales son todos los conjuntos {x}, donde x. Los sucesos elementales pueden tener probabilidades que son estrictamente mayores que cero, cero, no definidas o cualquier combinacin de estas. Por ejemplo, la probabilidad de cualquier variable aleatoria discreta est determinada por las probabilidades asignadas a los sucesos elementales del experimento que determina la variable. Por otra parte, cualquier suceso elemental tiene probabilidad cero en cualquier variable aleatoria continua. Existen distribuciones mixtas que no son completamente continuas, ni completamente discretas, entre las que pueden darse ambas situaciones.

2.1.2 Un evento compuesto: Es el evento formado por varios eventos simples.

2.1.3 Evento Contrario o Complementario: Este se expresa como la probabilidad de fracaso o no-xito. 2.1.4 Evento o Suceso Cierto O Verdadero: Conocido como evento determinista y se expresa como la probabilidad de xito de cualquier suceso simple dentro del espacio muestral.

~3~

SEMINARIO DE INTEGRACIN PROFESIONAL

ANUALIDADES VARIABLES LICENCIADO DLFIDO MORALES G ABRIEL

2.1.5 Evento o Suceso Imposible (Nulo): La imposible ocurrencia de algn suceso o evento.

3. PROBABILIDAD DE DOS O MS EVENTOS:

3.1 Eventos mutuamente excluyentes y eventos no excluyentes: Dos o ms eventos son mutuamente excluyentes o disjuntos, si no pueden ocurrir simultneamente. Es decir, la ocurrencia de un evento impide automticamente 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 ms eventos son no excluyentes, o conjuntos, cuando es posible que ocurran ambos. Esto no indica que necesariamente deban ocurrir estos eventos en forma simultnea.

Ejemplo: Si consideramos en un juego de domino sacar al menos un blanco y un seis, estos eventos son no excluyentes porque puede ocurrir que salga el seis blanco.

3.2 Eventos Independientes: Dos o ms 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 tpico de eventos independiente es el muestreo con reposicin, es decir, una vez tomada la muestra se regresa de nuevo a la poblacin donde se obtuvo.

Ejemplo: lanzar al aire dos veces una moneda son eventos independientes porque

~4~

SEMINARIO DE INTEGRACIN PROFESIONAL

ANUALIDADES VARIABLES LICENCIADO DLFIDO MORALES G ABRIEL

el resultado del primer evento no afecta sobre las probabilidades efectivas de que ocurra cara o sello, en el segundo lanzamiento.

3.3 Eventos dependientes: Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro (u otros). Cuando tenemos este caso, empleamos entonces, el concepto de

probabilidad condicional para denominar la probabilidad del evento relacionado. La expresin P (A|B) indica la probabilidad de ocurrencia del evento A s el evento B ya ocurri. Se debe tener claro que A|B no es una fraccin. P (A|B) = P(A y B)/P (B) o P (B|A) = P(A y B)/P(A).

4. ESPACIO MUESTRAL:

Se llama espacio muestral al conjunto de todos los posibles resultados individuales de un experimento aleatorio. Se suele representar por . Sus elementos se representan por letras minsculas (w1,w2,...) y se denominan eventos o sucesos elementales. Los subconjuntos de se designan por medio de letras maysculas (A, B, C, D,...) y se denominan eventos o sucesos. Los sucesos representan los posibles resultados del experimento aleatorio.

4.1 TIPOS DE ESPACIO MUESTRAL:

4.1.1 Particiones: Es posible definir particiones sobre el espacio muestral. Formalmente hablando, una particin sobre se define como un conjunto numerable.

Por ejemplo, en el caso del experimento aleatorio "lanzar un dado", el espacio muestral del experimento sera: = {1, 2, 3, 4, 5,6}. Por otro lado, si cambiamos

~5~

SEMINARIO DE INTEGRACIN PROFESIONAL

ANUALIDADES VARIABLES LICENCIADO DLFIDO MORALES G ABRIEL

ligeramente la experiencia pensando en el nmero resultante de la suma de 2 dados, entonces tenemos 2 espacios mustrales: ={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(2,1),(2,2),...(6,6)} '={2,3,4,...,12} La eleccin del espacio muestral es un factor determinante para realizar el clculo de la probabilidad de un suceso. = ,2,3,4,5,6}x{1,2,3,4,5,6}

5. DISTRIBUCIONES DE PROBABILIDADES 5.1 Definicin: La Distribucin de probabilidades es un listado de las probabilidades de todos los posibles resultados que podran obtenerse si el experimento se llevara a cabo. 5.2 TIPOS DE DISTRIBUCIONES: 5.2.1 Discretas y Continuas: Las Discretas tienen un nmero limitado de valores, mientras que en las Continuas la variable que se est considerando puede tomar cualquier valor dentro de un intervalo dado. 5.3 CARACTERSTICAS DEL BINOMIO: El nmero de elementos del desarrollo del binomio es n+1 En el primer trmino p aparece con un exponente igual al exponente del binomio y luego disminuye de uno en uno. En el segundo trmino el exponente de q es uno y luego aumenta de uno en uno hasta tener un exponente igual al del binomio. Los coeficientes de los trminos son simtricos. La suma de los exponentes de cada trmino es siempre igual a n.

~6~

SEMINARIO DE INTEGRACIN PROFESIONAL

ANUALIDADES VARIABLES LICENCIADO DLFIDO MORALES G ABRIEL

5.4 Aplicacin de la Distribucin Binomial: Cuando los resultados obtenidos pueden clasificarse en 2 categoras (dicotoma). Ejes. Cursos aprobados y reprobados, artculos defectuosos y en buen estado, trabajadores eficientes y deficientes, mquinas productivas e improductivas. Cada intento tiene solamente 2 resultados posibles (xito o fracaso) La probabilidad del resultado de cualquier intento permanece fijo con respecto al tiempo. Los eventos son estadsticamente independientes, es decir, el resultado de un evento no altera a otro. Cuando la probabilidad de fracaso (q) es igual a 1-p y p+q es igual a uno.

~7~

SEMINARIO DE INTEGRACIN PROFESIONAL

ANUALIDADES VARIABLES LICENCIADO DLFIDO MORALES G ABRIEL

6. ESTADIGRAFOS DE LA DISTRIBUCIN DE PROBABILIDADES BINOMIAL: PROMEDIO ARITMETICO: VARIANZA: DESVIACIN ESTANDAR: X = n.p S2 = n.p.q S = n.p.q x 100 X COEFICIENTE DE SESGO: b1 = qp S COEFICIENTE DE KURTOSIS: b3 = 3 + 1 6pq S 7. DISTRIBUCION NORMAL:

COEFICIENTE DE VARIACIN: C.V. = S

Se conoce tambin con el nombre de: DISTRIBUCION DE GAUSS

Tiene algunas propiedades que la hacen aplicable a un gran nmero de situaciones en las que es necesario hacer inferencias mediante la toma de muestras. Casi se ajusta a las distribuciones reales de frecuencias observada en muchos fenmenos. Ocupa un lugar importante tanto en la estadstica terica como en la estadstica aplicada por varias razones:

Puede coincidir muy de cerca con las distribuciones de frecuencias observadas y de muchas mediciones naturales y fsicas.

Se puede utilizar para aproximar probabilidades binomiales cuando "n" es muy grande.

~8~

SEMINARIO DE INTEGRACIN PROFESIONAL

ANUALIDADES VARIABLES LICENCIADO DLFIDO MORALES G ABRIEL

Lo que la hace ms importante es que las distribuciones de medias mustrales y proporciones de grandes muestras tienden a distribuirse normalmente por lo que tiene importantes repercusiones en el muestreo.

7.1 CARACTERSTICAS:

7.1.1

La curva normal es simtrica por lo tanto el coeficiente de sesgo es igual a cero. (b1=0)

7.1.2 Muestra pocos valores en los extremos. 7.1.3 El promedio, la mediana y la moda tienen el mismo valor, tiene un solo pico y es unimodal. 7.1.4 Los puntos de inflexin estn a X+S y X-S (Media, mas, menos desviacin estndar). 7.1.5 La curva normal es "asntota" al eje de las abscisas (eje de x). Significa que sus extremos nunca tocan eje de las equis (x) 7.1.6 La sumatoria del rea bajo la curva normal es igual a uno o al 100%. 7.1.7 El coeficiente de Kurtosis es igual a tres. (b2=3) 7.1.8 El valor tpico de "Z" es positivo cuando corresponde a un valor mayor que la media y negativo cuando corresponde a un valor menor. 7.1.9 El valor "Z" para equis(x) igual a la media siempre ser igual a cero (O).

7.1.10 La media aritmtica ms y menos: Una desviacin estndar cubre un 68.26% de los casos (X+,-S=68.26%). Dos desviaciones estndar cubre el 95.46% de los casos (X+-2S=95.46%). Tres desviaciones estndar cubre el 99.72% de los casos. (X+3S=99.72%). 7.1.11 La media aritmtica ms o menos una desviacin media cubre el 58% de los datos (X+-DM= 58%).

~9~