Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teorema de Estadisticas
Teorema de Estadisticas
Propiedades[editar]
Es toda aquella situacin que debe llevarse a cabo para saber cual es el resultado. Un
experimento se dice aleatorio si verifica las siguientes condiciones:
Si es posible conocer previamente todos los posibles resultados (el espacio muestral,
constituido por diferentes sucesos) o por lo menos nombrar al ltimo resultado se le llama
experimento aleatorio finito; y si no se puede nombrar al ltimo resultado, se le llama
experimento aleatorio infinito.
Controversia[editar]
Existe cierta controversia sobre si los fenmenos aleatorios existen realmente o simplemente
surgen del desconocimiento de los factores que desencadenan el mismo o de lasleyes
fsicas que lo rigen. Por ejemplo, si en el lanzamiento de un dado conociramos exactamente
la fuerza, altura al suelo y ngulo del lanzamiento, las dimensiones exactas del dado y las
propiedades del suelo, se podra mediante complejos clculos conocer el resultado final. Es
por esto que algunas veces se define un fenmeno aleatorio como aquel en el que pequeos
cambios en sus factores producen grandes diferencias en su resultado.
Esto no quiere decir necesariamente que exista un completo determinismo cientfico, sino que
en ocasiones el azar es consecuencia de la ignorancia de un suceso o de la incapacidad para
procesar toda la informacin que se tiene.
Algunas propuestas realizadas desde la fsica, como la interpretacin de Copenhague de
la mecnica cuntica sostienen que a nivel atmico existen los fenmenos aleatorios
genuinos, aunque otras interpretaciones como la de David Bohm atribuyen la aleatoriadad
ESPACIO MUESTRAL
En la teora de probabilidades, el espacio muestral o espacio de muestreo (denotado E, S,
o U) consiste en el conjunto de todos los posibles resultados individuales de unexperimento
aleatorio.
Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio de muestreo es el
conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}. Un evento o suceso es
cualquier subconjunto del espacio muestral con estructura de -lgebra,1 llamndose a los
sucesos que contengan un nico elemento sucesos elementales. En el ejemplo, el suceso
"sacar cara en el primer lanzamiento", o {(cara, cara), (cara, cruz)}, estara formado por los
sucesos elementales {(cara, cara)} y {(cara, cruz)}.
Para algunos tipos de experimento puede haber dos o ms espacios de muestreo posibles.
Por ejemplo, cuando se toma una carta de un mazo normal de 52 cartas, una posibilidad del
espacio de muestreo podra ser el nmero (del as al rey), mientras que otra posibilidad sera el
palo (diamantes, trboles, corazones y picas). Una descripcin completa de los resultados, sin
embargo, especificara ambos valores, nmero y palo, y se podra construir un espacio de
muestreo que describiese cada carta individual como el producto cartesiano de los dos
espacios de muestreo descritos.
Los espacios de muestreo aparecen de forma natural en una aproximacin elemental a
la probabilidad, pero son tambin importantes en espacios de probabilidad. Un espacio de
probabilidad (, F, P) incorpora un espacio de muestreo de resultados, , pero define un
conjunto de sucesos de inters, la -lgebra F, por la cul se define la medida de
probabilidad P.
Discretos[editar]
Son aquellos espacios donde el nmero de sucesos elementales es finito o infinito numerable.
Continuos[editar]
Son aquellos espacios donde el nmero de sucesos elementales es infinito incontable.
Espacio probabilstico continuo[editar]
Espacio muestral infinito no numerable. -No es posible observar puntos concretos del
espacio.
3.
Ejemplos[editar]
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 ligeramente la
experiencia pensando en el nmero resultante de la suma de 2 dados, entonces tenemos
2 posibles espacios muestrales para modelar nuestra realidad:
={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(2,1),(2,2),...(6,6)} = {1,2,3,4,5,6}x{1,2,3,4,5,6}
'={2,3,4,...,12}
Sacar una carta numerada y una carta de letras. Son eventos mutuamente
excluyentes, las cartas o son numeradas o son cartas con letra.
probabilidad condicional
Dado dos (2) eventos A y B, la probabilidad condicional se denota como la probabilidad de A dado
B, P(A/B), /B significa que ya ocurrio B y es una medida de la probabilidad de ocurrencia de A dado
que el evento B ocurrio previamente .
Intuitivamente,dossucesossonindependientessielacontecimientodeunonotieneningnefectoenla
probabilidaddelotro.
SilosdossucesosAyBnosonindependientes,entoncesdecimosqueestndependientes.
Ejemplos
1.Sihayaunaprobabilidaddel10%dequeJpitersealinearconMarte,yunaprobabilidaddel50%dequesu
tiradadeunamonedasaldrguilas,entoncesqueslaprobabilidaddequeJpitersealinearconMarteysu
tiradadelamonedasaldrguilas(suponiendoqueJpiternotenganingnefectoenelresultadodesutirada)?
Aqu,
J:JpitersealinearconMarte
A:Sutiradasaldrguilas
PuesJpiternotieneningnefectoensutiradadelamoneda,tomamosestessucesoscomoindependientes,yas
laprobabilidaddequeambossucesosocurrirnes
P(JA)=P(J)P(A)=(.10)(.50)=.05.
Teorema de Bayes
En la teora de la probabilidad el teorema de Bayes es un resultado enunciado por Thomas
Bayes en 17631 que expresa la probabilidad condicional de un evento aleatorio Adado B en
trminos de la distribucin de probabilidad condicional del evento B dado A y la distribucin de
probabilidad marginal de slo A.
En trminos ms generales y menos matemticos, el teorema de Bayes es de enorme
relevancia puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A. Es
decir que sabiendo la probabilidad de tener un dolor de cabeza dado que se tiene gripe, se
podra saber (si se tiene algn dato ms), la probabilidad de tener gripe si se tiene un dolor de
cabeza, muestra este sencillo ejemplo la alta relevancia del teorema en cuestin para la
ciencia en todas sus ramas, puesto que tiene vinculacin ntima con la comprensin de la
probabilidad de aspectos causales dados los efectos observados.
Sea
un conjunto de sucesos mutuamente excluyentes y
exhaustivos, y tales que la probabilidad de cada uno de ellos es distinta de cero (0). Sea B un
suceso cualquiera del que se conocen las probabilidades condicionales
la probabilidad
. Entonces,
donde:
es la probabilidad de
en la hiptesis
Frmula de Bayes[editar]
Con base en la definicin de Probabilidad condicionada, obtenemos la Frmula de Bayes,
tambin conocida como la Regla de Bayes:
Aplicaciones[editar]
El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad. Sin
embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los
seguidores de la estadstica tradicional slo admiten probabilidades basadas en experimentos
repetibles y que tengan una confirmacin emprica mientras que los llamados estadsticos
bayesianos permiten probabilidades subjetivas. El teorema puede servir entonces para indicar
cmo debemos modificar nuestras probabilidades subjetivas cuando recibimos informacin
adicional de un experimento. La estadstica bayesiana est demostrando su utilidad en ciertas
estimaciones basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar esas
estimaciones en funcin de la evidencia emprica es lo que est abriendo nuevas formas de
hacer conocimiento. Una aplicacin de esto son los clasificadores bayesianos que son
frecuentemente usados en implementaciones de filtros de correo basura o spam, que se
adaptan con el uso.