EXPERIMENTOS ALEATORIOS, ESPACIOS MUESTRALES Y EVENTOS

En estadística, los conjuntos de interés son colecciones de observaciones obtenidas

estudiando el comportamiento de un fenómeno en:
 Estado natural
 Bajo control
EXPERIMENTO
Proceso mediante el cual se obtiene una observación.
Al menos conceptualmente es posible imaginar experimentos en los cuales el resultado puede
anticiparse.
En el dominio de la estadística, estos experimentos son de poco o ningún interés.
Experimento Aleatorio
Es aquel cuyos resultados no pueden predecirse antes de su realización y, por lo tanto, están
sujetos al azar.
ESPACIO MUESTRAL (M o Ω)
El conjunto integrado por todos los resultados posibles de un proceso experimental u
observacional.
EJEMPLOS DE ESPACIOS MUESTRALES
Experimentos aleatorios:
a) Se pregunta a un estudiante, su opinión sobre el Profesor. Se registra la respuesta
como favorable (F) o desfavorable (D).
M = {F, D}
b) Se aplica un insecticida a tres larvas y al cabo de 24 horas se observan si están
muertas (m) o vivas (v)
M = {vvv, mvv, vmv, vvm, vmm, mvm, mmv, mmm}
c) Se entrevista a 10 docentes preguntándoles si utilizan el examen en la evaluación de
los estudiantes. Se reporta el número de ellos que sí usan el examen.
M = {0, 1, 2, 3, 4, 5, 6 ,7 ,8, 9, 10}
EVENTO
Es un subconjunto del espacio muestral.
Si un espacio muestral es DISCRETO, puede tener tantos eventos como resultados posibles
tenga el experimento.
En espacios muestrales CONTINUOS esto es imposible.
Partición de un Espacio Muestral
Sí se cumplen estas condiciones, entonces A1, A2, A3 forman una PARTICIÓN DEL ESPACIO
MUESTRAL
!Ai =A1 ! A2 ! A3 = M
i=1
POBLACIÓN Y MUESTRA
Población
Conjunto de resultados potenciales de un experimento aleatorio si este se repitiera en todas
las unidades a las que se quiere investigar. También se la llama población objetivo.
Muestra
Una muestra de una población estadística es el conjunto de resultados que se colectan de
hecho en una investigación. Una muestra debe ser un subconjunto de la población.
PROBABILIDAD
En lenguaje cotidiano, el concepto de probabilidad ésta indisolublemente ligado al de
frecuencia relativa.
… es poco probable enriquecerse jugando a la lotería o ruleta porque los casos en que esto
ocurra son poco frecuentes.
La asociación entre frecuencia relativa y probabilidad será la base de la presentación de los
principios probabilísticos.
ESTABILIZACIÓN DE LAS FRECUENCIAS RELATIVAS
Un problema asociado con el uso de frecuencia relativa es su variabilidad.
Imagine un experimento aleatorio con cierto número de resultados posibles, el cual se repite
un gran número de veces.
Si después de cada 10 repeticiones se obtiene las frecuencias relativas para cada uno de los
eventos, se puede observar que estas frecuencias varían en casi todos los casos.

En un experimento aleatorio no se puede predecir que resultado ocurrirá, pero éstos

presentan una regularidad estadística consistente en la estabilización de las frecuencias
relativas de los eventos cuando el experimento se realiza un gran número de veces
Probabilidad a priori (Kolmogorov, 1937)
Si un experimento puede tener n resultados mutuamente excluyentes e igualmente posibles, y
si la unión de "a" de ellos (considerados como subconjuntos del espacio muestral) es el evento
A, entonces.
P(A) =a/n
Nociones de probabilidad

Probabilidad según Kolmogorov (1937)

Sea Ω un espacio muestral. La función P(.) que asigna a cada evento de Ω un número real en el
intervalo [0,1], se llama medida de probabilidad si satisface los siguientes axiomas:
1. P(Ω) =1
2. P(A) ≥ 0, donde A representa un evento cualquiera de Ω
3. Si A1, A2, ... Es una secuencia de eventos mutuamente excluyentes entonces:
P(Ui Ai) = ∑iP(Ai)

Dados los eventos A y B, la probabilidad de que ocurra A ó B es

P(A∪B) = P(A) + P(B) - P(A∩B)
P(A∩B) denota la probabilidad de que ocurran A y B simultáneamente. Si A y B son
mutuamente excluyentes,
A∩B = ∅ ⇒ P(A∩B) = P(∅) = 0. En otro caso, 0 < P(A∩B) ≤ 1
Probabilidad: Concepto Frecuencial (objetiva)
Si A es un evento y nA es el número de veces que A ocurre en N repeticiones independientes del
experimento, la probabilidad del evento A, denotada por P(A), se define como:
lim ' ($→&)
Probabilidad: Concepto Clásico (a priori)
Cuando Ω es finito (el número de puntos muestrales es finito) se puede dar otra definición de
probabilidad, que es la que se desarrolló originariamente estudiando los juegos de azar.
Dado el evento A en Ω,
P(A) = Número de puntos muestrales favorables Número total de puntos muestrales
Ejemplo 2.8
El experimento consiste en arrojar un dado una única vez. El espacio muestral: Ω = {1, 2, 3, 4,
5, 6 }
Si se asigna a cada punto muestral la misma probabilidad de ocurrencia, es decir P(ω) = 1/6
para todo ω ∈ Ω
si el evento de interés (A) es “que salga un número par”, el cual consta de los puntos
muestrales {2, 4, 6}, entonces P(A) = 3/6 = 0.5
Sucesos o Evento
Un evento A al cual se atribuye una probabilidad se llama evento aleatorio.
Suceso o evento: un subconjunto de dichos resultados.
Espacio muestral (M): Conjunto de todos los resultados posibles.
Suceso contrario (complementario) de un suceso A, A’, al formado por los elementos que no
están en A.
Suceso unión de A y B, AUB, al formado por los resultados experimentales que están en A o en
B (incluyendo los que están en ambos).
Suceso intersección de A y B, A∩B o AB, al formado por los resultados experimentales que
están simultáneamente en A y B
PROBABILIDAD CONDICIONAL
A menudo sucede que la ocurrencia de un evento depende de la ocurrencia de otros.
Ej. si B es el evento “día nublado” y A el evento “llueve en el día”, luego P(A|B) denotará la
probabilidad de lluvia dado que el día está nublado.
PROBABILIDAD CONDICIONAL
Sean A y B dos eventos en un espacio muestral M. Si P(B) ¹ 0
Se define la probabilidad condicional del evento A dado el evento B como:
EL TEOREMA DE BAYES Y LAS PROBABILIDADES SUBJETIVAS
El concepto de probabilidad condicional da lugar a ramificaciones muy discutidas en las
inferencias obtenidas usando el cálculo de probabilidades.
Estas dificultades provienen de la aplicación del Teorema de Bayes. Este teorema es una
consecuencia simple de la definición de
probabilidad condicional, puesto que:

P( A / B) = P(B / A)P( A)
P(B)