1- Conceptos bsicos de probabilidad. A) EXPERIMENTO: Es toda accin sobre la cual vamos a realizar una medicin u observacin, es decir cualquier proceso que genera un resultado definido. B) EXPERIMENTO ALEATORIO: Es toda actividad cuyos resultados no se determinan con certeza. Ejemplo: lanzar una moneda al aire. No podemos determinar con toda certeza cul ser el resultado al lanzar una moneda al aire?, por lo tanto constituye un experimento aleatorio. C) ESPACIO MUESTRAL (S): Es un conjunto de todos los resultados posibles que se pueden obtener al realizar un experimento aleatorio. Ejemplo: sea el experimento E: lanzar un dado y el espacio muestral correspondiente a este experimento es: S = (1, 2, 3, 4, 5, 6(. D) PUNTO MUESTRAL: Es un elemento del espacio muestral de cualquier experimento dado. E) EVENTO O SUCESO: Es todo subconjunto de un espacio muestral. Se denotan con letras maysculas: A, B, etc. Los resultados que forman parte de este evento generalmente se conocen como "resultados favorables". Cada vez que se observa un resultado favorable, se dice que "ocurri" un evento. Ejemplo: Sea el experimento E: lanzar un dado. Un posible evento podra ser que salga nmero par. Definimos el evento de la siguiente manera: A = sale nmero par = (2, 4, 6(, resultados favorables n(E) = 3 F) PROBABILIDAD: Es el conjunto de posibilidades de que un evento ocurra o no en un momento y tiempo determinado. Dichos eventos pueden ser medibles a travs de una escala de 0 a 1, donde el evento que no pueda ocurrir tiene una probabilidad de 0 (evento imposible) y un evento que ocurra con certeza es de 1 (evento cierto)
G) POSIBILIDADES: Las posibilidades comparan el nmero de resultados favorables con el nmero de resultados desfavorables. Si todos los resultados de un espacio muestral son igualmente probables, y un nmero n de ellos son favorables al evento E, y los restantes m son desfavorables a E, entonces las posibilidades a favor de E sonde de n(E) a m(E), y las posibilidades en contra de E son de m(E) a n(E)
2- Reglas bsicas en el clculo de probabilidad.
Regla de la adicin La regla de la adicin o regla de la suma establece que la probabilidad de ocurrencia de cualquier evento en particular es igual a la suma de las probabilidades individuales, si es que los eventos son mutuamente excluyentes, es decir, que dos no pueden ocurrir al mismo tiempo. P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente. P(A o B) = P(A) + P(B) P(A y B) si A y B son no excluyentes. Siendo: P(A) = probabilidad de ocurrencia del evento A. P(B) = probabilidad de ocurrencia del evento B. P(A y B) = probabilidad de ocurrencia simultnea de los eventos A y B. Regla de la multiplicacin La regla de la multiplicacin establece que la probabilidad de ocurrencia de dos o ms eventos estadsticamente independientes es igual al producto de sus probabilidades individuales. P(A y B) = P(A B) = P(A)P(B) si A y B son independientes. P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes Regla de Laplace La regla de Laplace establece que: La probabilidad de ocurrencia de un suceso imposible es 0. La probabilidad de ocurrencia de un suceso seguro es 1, es decir, P(A) = 1. Para aplicar la regla de Laplace es necesario que los experimentos den lugar a sucesos equiprobables, es decir, que todos tengan o posean la misma probabilidad. La probabilidad de que ocurra un suceso se calcula as: P(A) = N de casos favorables / N de resultados posibles Esto significa que: la probabilidad del evento A es igual al cociente del nmero de casos favorables (los casos dnde sucede A) sobre el total de casos posibles. Distribucin binomial La probabilidad de ocurrencia de una combinacin especfica de eventos independientes y mutuamente excluyentes se determina con la distribucin binomial, que es aquella donde hay solo dos posibilidades, tales como masculino/femenino o si/no. Hay dos resultados posibles mutuamente excluyentes en cada ensayo u observacin. La serie de ensayos u observaciones constituyen eventos independientes. La probabilidad de xito permanece constante de ensayo a ensayo, es decir el proceso es estacionario. Para aplicar esta distribucin al clculo de la probabilidad de obtener un nmero dado de xitos en una serie de experimentos en un proceso de Bermnoulli, se requieren tres valores: el nmero designado de xitos (m), el nmero de ensayos y observaciones (n); y la probabilidad de xito en cada ensayo (p). Entonces la probabilidad de que ocurran m xitos en un experimento de n ensayos es: P (x = m) = (nCm)(Pm)(1P)nm Siendo: nCm el nmero total de combinaciones posibles de m elementos en un conjunto de n elementos. En otras palabras P(x = m) = [n!/(m!(nm)!)](pm)(1p)nm
3- Definicin de distribuciones discretas y continuas. Propiedades y Caractersticas.
Distribuciones de variable discreta Se denomina distribucin de variable discreta a aquella cuya funcin de probabilidad slo toma valores positivos en un conjunto de valores de finito o infinito numerable. A dicha funcin se le llama funcin de masa de probabilidad. En este caso la distribucin de probabilidad es la suma de la funcin de masa, por lo que tenemos entonces que:
Y, tal como corresponde a la definicin de distribucin de probabilidad, esta expresin representa la suma de todas las probabilidades desde hasta el valor .
Distribuciones de variable continua Se denomina variable continua a aquella que puede tomar cualquiera de los infinitos valores existentes dentro de un intervalo. En el caso de variable continua la distribucin de probabilidad es la integral de la funcin de densidad, por lo que tenemos entonces que: