AZAR Y PROBABILIDAD

El objetivo fundamental de la Estadstica es utilizar los datos para inferir o para obtener conclusiones sobre las caractersticas de la
variable en una poblacin de referencia a la que por diferentes motivos no podemos acceder de manera completa, para esto
disponemos de informacin parcial, seleccionando aleatoriamente algunos componentes de ese universo y registrando la
informacin, lo que constituye un experimento aleatorio en el que interviene el azar. La Probabilidad es la disciplina cientfica que
estudia este tipo de fenmenos.Adems, en estas distribuciones de frecuencias de conjuntos de datos se repiten ciertos patrones o
formas, que responden a un modelo. La Probabilidad, proporciona y estudia modelos para las distribuciones de algunas variables
importantes
Experimentos aleatorios. Sucesos
El azar juega un papel importante en nuestras vidas, apuestas, loteras, etc., la probabilidad se encarga de estudiar de manera
cientfica los fenmenos aleatorios oexperimentos aleatorios, queson sucesos o hechos que pueden repetirse bajo las mismas
condiciones y no presenta siempre el mismo resultado.Los rasgos quelo distinguen son:
Todos los posibles resultados del experimento son conocidos con anterioridada su realizacin.
No se puede predecir el resultado del experimento.

El experimento puede repetirse en condiciones idnticas

ESPACIO MUESTRAL: es todo conjunto o la coleccin de posibles resultados del experimento

Espacio muestral de un dado
E = {1, 2, 3, 4, 5, 6}
SUCESO ALEATORIO: es cada resultado de un experimento aleatorio
Suceso A, nmeros pares A = {2, 4, 6}
Suceso B, nmeros mayores a 4 B = {5, 6}
SUCESO ELEMENTAL: son los sucesos compuestos por un solo elemento
e = {1} ; e = {2}; e = {3}; e = {4}; e = {5}; e = {6}
Se puede representar las diferentes combinaciones de sucesos aleatorios mediante el diagrama de rbol, por ejemplo, tirar la
moneda 3 veces, las diferentes combinaciones son
CCC
CC
CCX
C
CXC
CX
CXX
XCC
XC
XCX
X
XXC
XX
XXX
Tambin se pueden representar por medio de la teora de conjuntos

Dos Sucesos A, B
Sucesos A o B (unin, suma)
Sucesos A y B (interseccin, multiplicacin)
Sucesos incompatibles, o excluyentes, no pueden presentarse juntos

Suceso no ocurre A, o complemento de A

Frecuencia y probabilidad
Si se repite un experimento aleatorio en las mismas condiciones y anotamos las frecuencias relativas de un suceso, se observa que
tienden a estabilizarse alrededor de un nmero que est entre cero y uno. Este valor recibe el nombre de probabilidad del suceso.
Las probabilidades definidas de esta forma heredan las propiedades de las frecuencias relativas por tanto, se cumple que:
La probabilidad de cualquier suceso es siempre un nmero entre cero y uno.
La probabilidad de todo el espacio muestral es uno, es decir, P (E) = 1.
Si A y B son sucesos incompatibles que no pueden darse a la vez entonces la probabilidad de que ocurra A o B es la
suma de las probabilidades de que ocurra cada uno de ellos, es decir, P(A o B) = P(A) + P(B).
Espacios equiprobables: son todos los resultados que tienen la misma probabilidad de aparecer. Como acabamos de ver la
probabilidad de todo el espacio muestral es siempre uno y, adems, los posibles resultados constituyen sucesosmutuamente
incompatibles, la probabilidad de cada uno de ellos debe ser 1/k. Se sigue que la probabilidad de cualquier suceso en un espacio
equiprobable puede calcularse dividiendo el nmero de elementos que incluye el suceso por el nmero total de elementos del espacio.
Esto es lo que habitualmente se conoce como casos favorables entre casos posibles y recibe el nombre de regla de Laplace.
Es importante subrayar que esta forma de obtener la probabilidad de un suceso slo es correcta
PROBABILIDADP(A) =

PROBABILIDAD CONDICIONADA
Dados 2 sucesos A y B, la probabilidad condicionada se define como aquella que establece que ocurre un suceso A, dado que antes
ocurre B. Es igual a la probabilidad de un suceso A, dado la probabilidad condicionada de B sobre A.
P (A y B) = P (A) x P (B/A) o P (B) x P (A/B)
INDEPENDENCIA
Si ambos sucesos son independientes, se debe comprobar lo siguiente:
P (A y B) = P (A) x P (B)
REGLA DE BAYES
Es el estudio de la probabilidad de un suceso A, que se obtiene sumando las probabilidades de A condicionado por cada uno de los
sucesos B1, B2,utilizando la formula de la probabilidad tota
VARIABLES ALEATORIASUna variable aleatoria es un valor numrico que corresponde al resultado de un experimento aleatorio.
Puede ser continua o discreta.
Distribucin de una variable aleatoria
Si x es una variable aleatoria discreta, su distribucin viene dada por los valores que puede tomar ylas probabilidades de que
aparezcan. Si x1; x2,... son los valores de lavariable aleatoria x, representaremos por p1, p2,... las correspondientesprobabilidades de
que ocurran,estas cantidades recibenel nombre de funcin de probabilidad o funcin de masa.
Ej: tirar la moneda dos veces, las diferentes combinaciones son:
X
0
1
2
total

P
0,25
0,50
0,25
1

CC
P = 0,25
CX P = 0,25

XC P = 0,25
XX P = 0,25
El diagrama de barras para la funcin de probabilidad de la variable x que expresa el nmero de caras que aparecen al lanzar dos
veces una moneda equilibrada puede verse en el grfico, que pone de relieve algunas de las caractersticas de la distribucin, como
su simetra.Las probabilidades p de la distribucin de una variable discreta tienen las mismas propiedades que las frecuencias
relativas: son nmeros no negativos y la suma de todas ellas es uno.
En la distribucin de las variables aleatorias continuas, al igual que en la distribucin de variables cuantitativas, se puede comprobar
que si se aumenta el nmero de observaciones y el nmero de clases, el histograma tiende a estabilizarse, tomando una forma
cercana a una curva simtrica, y recibe el nombre de funcin de densidadde la variable x y su relacin con el histograma, es la
misma que la existente entre el concepto de probabilidad y la idea de frecuencia relativa. La funcin de densidad constituye una
idealizacin de los histogramas de frecuencia o un modelo del cual suponemos que proceden las observaciones.
El histograma representa frecuencias mediante reas; anlogamente, la funcin de densidad expresa probabilidades por reas.
Adems, conserva las propiedades bsicas del histograma: es no negativa y el rea total que contiene es uno.La funcin de densidad
de probabilidad se interpreta como el histograma. Susvalores ms altos corresponden a las zonas en las que es ms probable
queaparezcan resultados del fenmeno aleatorio; los lugares con menor altura sonaquellos donde es menos probable o ms raro
que tome valores la variable.Como su nombre indica, la funcin expresa la densidad o concentracin deprobabilidad en cada zona.
En estas distribuciones tambin se puede calcular una media o esperanza que es el promedio, y tambin una medida de variabilidad
o dispersin que es la varianza.
DISTRIBUCIONES DE VARIABLES ALEATORIAS DISCRETAS
DISTRIBUCIN DE BERNOULLIUn experimento Bernoulli, es el que al realizarlo arroja solo dos resultados posibles
Resultado dicotmicoxito PFracaso Q = (1 P)
Esperanza E = P
Varianza Var = P x Q
DISTRIBUCIN BINOMIALSi se repite un numero fijo de veces, n, un experimento de Bernoulli con parmetro p, es el numero de

xitos sigue una distribucin binomial de parmetros (n x p)Es la suma de Bernoulli

Media = n x p
Varianza 2 = n p q
DISTRIBUCIN DE POISSONTambin se denomina, distribucin de sucesos raros. Se obtiene como aproximacin de una
distribucin binomial con la misma media.Para n grande (n 30) y para p pequeo (p 0,1)
Queda caracterizada por un nico parmetro , que a su vez es su media y varianza
DISTRIBUCIONES DE VARIABLES ALEATORIAS CONTINUAS
Estos modelos matemticos o probabilsticos, son distribuciones tericas, e ideales que se utilizan para suponer la forma y las
caractersticas de distribuciones desconocidas. Uno de los modelos mas utilizados es la CURVA NORMAL DE GAUSS, tambin estn
la t de Student, chi cuadrado, etc.
Se denomina NORMAL, porque determina una zona central, correspondiente al 68% central de la distribucin que
estadsticamente se denomina NORMAL, TIPICO o ESTANDAR en relacin a la zona donde se presentan los casos ms frecuentes,
los ms probables, o lo esperado
CARACTERISTICAS DE LA CURVA NORMAL:
Tiene forma de campana, por esto se denomina tambin CAMPANA DE GAUSS
El rea bajo la curva vale 1, es decir el 100% de la distribucin
Es un modelo simtrico, es decir que, todas las medidas de tendencia central coinciden en el mismo punto, MEDIA,
MEDIANA y MODO
Es asinttica, respecto al eje de las X (el eje horizontal), esto significa que los extremos no se cierran porque es infinita
Es mesocrtica, es decir, no es ni muy baja, ni muy alta, tiene una variabilidad normal
Se estandariza con puntaje tpico o estndar (puntaje z), donde la media es 0, y la desviacin estndar vale 1, por lo tanto el
68% central se encuentra entre -1z y +1z

Los puntajes z 1 y -1, se ubican en la inflexin de la curva, donde pasa de cncava a convexa.