Está en la página 1de 19

Fabiola Snchez / Jorge Durn / Eduardo Durn

PROBABILIDADES: FUNDAMENTO DE LA ESTADSTICA INFERENCIAL


El razonamiento de la inferencia estadstica est relacionado con la siguiente pregunta: Con que frecuencia este mtodo me dar una respuesta correcta si lo utilizo en forma repetida? Cuando producimos datos con muestras aleatorias o experimentos aleatorios, las leyes de las probabilidades responden a la siguiente pregunta: Qu suceder si repetimos este mtodo en repetidas ocasiones? Aleatoriedad En estadstica aleatoriedad es una descripcin de cierto orden que surge slo en largo plazo. A pesar de que sabemos que al tirar una moneda su probabilidad terica es 0.50 de que caiga en cualquiera de los dos lados, empricamente slo podremos observarlo despus de un nmero grande de intentos de tirar la moneda. Por lo tanto, la idea de probabilidad es emprica, es decir, est basada en la observacin ms que en la teora. Un fenmeno es aleatorio si los resultados individuales son inexactos, aunque exista una distribucin regular de resultados en un nmero suficientemente grande de repeticiones. La probabilidad de cualquier resultado de un fenmeno aleatorio es la proporcin de veces que el resultado ocurrira en una serie muy larga de repeticiones. Esto es, la probabilidad es una frecuencia relativa en el largo plazo.

Que algunos fenmenos sean aleatorios es un hecho observado en la realidad. La probabilidad es la rama de las matemticas que describe este comportamiento aleatorio. Utilizamos las probabilidades para describir tendencias generales o patrones de comportamiento que observamos. Especficamente, cuando hablamos de probabilidades estamos haciendo referencia a la posibilidad de tener un nmero infinito de muestras grandes de muestras a partir de una poblacin a travs del tiempo. Un aspecto fundamental para la aplicacin de probabilidad en fenmenos aleatorios tiene que ver con la independencia de los intentos. Esto significa que los resultados de un intento no deben influir en los resultados de otro intentos (i.e. el resultado de tirar una

Fabiola Snchez / Jorge Durn / Eduardo Durn

moneda por segunda ocasin debe ser independiente del resultado obtenido en el primer intento).

Ver Pgina Internet

Probabilidad

Fabiola Snchez / Jorge Durn / Eduardo Durn

Qu es la probabilidad? La probabilidad es la posibilidad de que algo suceda. Las probabilidades se expresan como fracciones o como decimales que toman valores entre cero y uno. Tener una probabilidad de cero significa que un evento nunca va a suceder; mientras que una probabilidad de uno indica que el evento suceder siempre.

En la teora de la probabilidad, un evento es uno o ms de los posibles resultados de


hacer algo.

La actividad que origine uno de dichos eventos se conoce como experimento


aleatorio.

Al conjunto de todos los resultados posibles de un experimento se le llama espacio


muestral del experimento.

Se dice que dos eventos son mutuamente excluyentes si uno y slo uno de ellos
puede tener lugar a un tiempo.

Cuando en una lista de los posibles eventos que pueden resultar de un experimento
se incluyen todos los resultados posibles, se dice que la lista es colectivamente exhaustiva. En una lista colectivamente exhaustiva se presentan todos los resultados posibles. Existen tres maneras bsicas de clasificar la probabilidad. Estas tres formas presentan planteamientos conceptuales bastante diferentes: Planteamiento clsico. Planteamiento de frecuencia relativa. Planteamiento subjetivo.

Fabiola Snchez / Jorge Durn / Eduardo Durn

Probabilidad clsica.

Se define la probabilidad de que un evento ocurra como:

Nmero de resultados en los que se presenta el evento Nmero total de resultados posibles

Cada uno de los resultados posibles debe ser igualmente posible.

La probabilidad clsica, a menudo, se le conoce como probabilidad a priori, debido a que si utilizamos ejemplos previsibles como monedas no alteradas, dados no cargados y juegos de cartas normales, entonces podemos establecer la respuesta de antemano, sin necesidad de lanzar una moneda, un dado o tomar una carta. No tenemos que efectuar experimentos para poder llegar a conclusiones.

Este planteamiento de la probabilidad tiene serias limitaciones cuando intentamos aplicarlo a los problemas de toma de decisiones menos previsibles. El planteamiento clsico supone un mundo que no existe, supone que no existen situaciones que son bastante improbables pero que podemos concebir como reales. La probabilidad clsica supone tambin una especie de simetra en el mundo.

NOTA: En la resolucin de problemas de probabilidad clsica, tener cuidado de asegurarse de si la situacin descrita es "con sustitucin" o "sin sustitucin" despus de cada intento.

Fabiola Snchez / Jorge Durn / Eduardo Durn

Frecuencia relativa. En el siglo XIX, los estadsticos britnicos, interesados en la fundamentacin terica del clculo del riesgo de prdidas en las plizas de seguros de vida y comerciales, empezaron a recoger datos sobre nacimientos y defunciones. En la actualidad, a este planteamiento se le llama frecuencia relativa de presentacin de un evento y define la probabilidad como:

La frecuencia relativa observada de un evento durante un gran nmero de intentos, o

La fraccin de veces que un evento se presenta a la larga, cuando las condiciones son estables.

Este mtodo utiliza la frecuencia relativa de las presentaciones pasadas de un evento como una probabilidad. Determinamos qu tan frecuente ha sucedido algo en el pasado y usamos esa cifra para predecir la probabilidad de que suceda de nuevo en el futuro. Cuando utilizamos el planteamiento de frecuencia relativa para establecer probabilidades, el nmero que obtenemos como probabilidad adquirir mayor precisin a medida que aumentan las observaciones. Una dificultad presente con este planteamiento es que la gente lo utiliza a menudo sin evaluar el nmero suficiente de resultados.

Probabilidades subjetivas.

Las probabilidades subjetivas estn basadas en las creencias de las personas que efectan la estimacin de probabilidad. La probabilidad subjetiva se puede definir como la probabilidad asignada a un evento por parte de un individuo, basada en la evidencia que se tenga disponible. Esa evidencia puede presentarse en forma de frecuencia relativa de presentacin de eventos pasados o puede tratarse simplemente de una creencia meditada.

Fabiola Snchez / Jorge Durn / Eduardo Durn

Las valoraciones subjetivas de la probabilidad permiten una ms amplia flexibilidad que los otros dos planteamientos. Los tomadores de decisiones puede hacer uso de cualquier evidencia que tengan a mano y mezclarlas con los sentimientos personales sobre la situacin.

Las asignaciones de probabilidad subjetiva se dan con ms frecuencia cuando los eventos se presentan slo una vez o un nmero muy reducido de veces.

Como casi todas las decisiones sociales y administrativas de alto nivel se refieren a situaciones especficas y nicas, los responsables de tomar decisiones hacen un uso considerable de la probabilidad subjetiva. Modelos Probabilsticos La descripcin de un modelo probabilstico contiene dos partes:

La lista de todos los resultados posibles La probabilidad de cada resultado

La lista de todos los resultados posibles est dado por el espacio muestral S de un fenmeno aleatorio. El espacio muestral de tirar una moneda es S = Cara Sol. El espacio muestral de tirar una moneda en cuatro ocasiones y obtener Sol es S = 0, 1, 2, 3, 4 El espacio muestral de tirar un dado S = 1, 2, 3, 4, 5 6. El espacio muestral de haber votado en las pasadas elecciones federales es: S = Si No. Las probabilidades de un fenmeno aleatorio pueden establecerse tanto para cada uno de los resultados posibles del mismo o para un conjunto de resultados posibles. Por lo tanto es necesario definir como evento a un resultado o conjunto de resultados de un fenmeno aleatorio. Por lo tanto, un evento es un subconjunto del espacio muestral.

Fabiola Snchez / Jorge Durn / Eduardo Durn

Probabilidad de A P(A) =

f ( A) f ( A) + f (de _ no _ A)

Por ejemplo la probabilidad de seleccionar un rey de un juego de cartas es:

P( A) =
Reglas de la Probabilidad

4 4 = = .0769 4 + 48 52

La mayora de los investigadores sociales que utilizan la probabilidad se preocupan por dos condiciones:

a)

El caso en que un evento u otro se presente (eventos mutuamente excluyentes o independientes o disociados)

b)

La situacin en que dos o ms eventos se presenten al mismo tiempo (eventos que no son mutuamente excluyentes o asociados)

Se demuestra inters por el primer caso cuando preguntamos Cul es la probabilidad de que en las siguientes elecciones para Presidente de la Repblica gane el PAN? Para ilustrar la segunda situacin, podramos preguntar Cul es la probabilidad de que el PAN gane las siguientes elecciones para Presidente de la Repblica y que obtenga mayora en el Congreso?

Fabiola Snchez / Jorge Durn / Eduardo Durn

A. Reglas Bsicas de la Probabilidad En un modelo probabilstico, los eventos tienen probabilidades de ocurrencia. Las propiedades de estas probabilidades son las siguientes: 1. Cualquier probabilidad es un nmero entre 0 y 1. Un evento con probabilidad 0 significa que nunca ocurre, mientras que un evento con probabilidad igual a 1 significa que el mismo evento ocurrir en cada ocasin que repitamos la observacin del fenmeno aleatorio.

Regla 1. La probabilidad P(A) de cualquier evento A satisface

0 P ( A) 1

2. Todos los resultados posibles en conjunto tienen una probabilidad igual a uno. Es decir, la suma de todas las probabilidades posibles debe ser exactamente 1.

Regla 2. Si S es el espacio muestran en un modelo probabilstico, entonces

P( S ) = 1

3. La probabilidad de que un evento NO OCURRA es 1 menos la probabilidad de que el


evento ocurra. Si un evento ocurre en 70% de los intentos, entonces la probabilidad de que no ocurra ser

0.30 = 1 0.70 .

Regla 3. El complemento de cualquier evento A es el evento de que A no ocurra, lo cual se describe como

Ac .
P ( A c ) = 1 P ( A)

4. Si dos eventos no comparten resultados en comn, la probabilidad de que uno u otro evento ocurra es la suma de las probabilidades individuales.

Fabiola Snchez / Jorge Durn / Eduardo Durn

B. Reglas de adicin para eventos mutuamente excluyentes (eventos disociados) Si estamos interesados en la probabilidad de que una cosa u otra suceda, hablamos entonces de dos eventos mutuamente excluyentes y podemos expresar esta probabilidad haciendo uso de la regla de adicin para eventos mutuamente excluyentes: "Dos eventos estn disociados si no comporten resultados en comn por lo que nunca pueden ocurren simultneamente". Si A y B estn disociados, por ejemplo, que caiga ya sea cara o sol en dos intentos al tirar una moneda al aire:

P ( A _ o _ B) = P( A) + P( B)
Ejemplo: Cinco estudiantes de la EGAP, por igual de capaces esperan la fecha en que se les har una entrevista para conseguir empleo; la compaa interesada en alumnos de la EGAP, ha anunciado que contratar slo Rafael. auno de los cinco, mediante una eleccin aleatoria. El grupo de aspirantes est conformado por: Pedro, Juan, Imelda, Claudia, y

Si nuestra pregunta es: Cul es la probabilidad de que Claudia sea elegida? Podemos utilizar la definicin de Probabilidad Clsica

P (Claudia) = 1/5 Sin embargo, si preguntamos Cul es la probabilidad de que Claudia o Rafael sean elegidos? P (Claudia Rafael) = 1/5 + 1/5 = 2/5 = 0.4

C. Reglas de adicin para eventos que no son mutuamente excluyentes (eventos asociados)

Fabiola Snchez / Jorge Durn / Eduardo Durn

Es posible definir probabilidades de dos eventos que estn asociados. Por ejemplo, podemos estar interesados en que dos intentos de tirar una moneda sean necesariamente cara. Podemos decir que los eventos cara en el primer intento y cara en el segundo intento son dependientes. Para cualquier dos eventos A y B que no estn disociados (pueden ocurrir simultneamente): P (A o B) = P(A) + P(B) P (A y B) Ejemplo: Los estudiantes de la EGAP han elegido a cinco compaeros para que los representen antes el ITESM. Los perfiles de los cinco elegidos son: Sexo 1. Hombre 2. Hombre 3. Mujer 4. Mujer 5. Hombre Edad 22 29 26 24 25

Este grupo decide elegir un vocero, la eleccin se efecta sacando de un sombrero uno de los nombres impresos. Cul es la probabilidad de que el vocero sea mujer o cuya edad est por arriba de 24 aos? P (mujer o mayor de 24 aos) = P (mujer) + P (mayor de 24) - P (mujer y mayor de 24) = 2/5 + 3/5 - 1/5 = 4/5 Probabilidades bajo condiciones de independencia estadstica Cuando se presentan dos eventos, el resultado del primero puede tener un efecto en el resultado del segundo, o puede no tenerlo. Esto es, los eventos pueden ser dependientes o independientes.

10

Fabiola Snchez / Jorge Durn / Eduardo Durn

Se dice que los eventos son estadsticamente independientes cuando la presentacin de uno de ellos no tiene efecto sobre la probabilidad de presentacin de cualquier otro evento. Existen tres tipos de de probabilidades que se presentan bajo la independencia estadstica: a) Probabilidad marginal b) Probabilidad conjunta c) Probabilidad condicional La probabilidad marginal bajo condiciones de independencia estadstica. Como se ha sealado antes, una probabilidad marginal o incondicional es la probabilidad simple de presentacin de un evento: "La probabilidad de obtener cara es igual a 0.5 y la probabilidad de obtener cruz es 0.5". cada lanzamiento de la moneda es nico y no hay manera de conectarlo con cualquier otro lanzamiento. En consecuencia, el resultado de cada lanzamiento de una moneda es un evento estadsticamente independiente de los resultados de cualquier otro lanzamiento de ella. La probabilidad conjunta bajo condiciones de independencia estadstica . La podemos definir como la probabilidad de dos o ms eventos independientes que se presentan juntos o en sucesin y cuyo resultado final es el producto de sus probabilidades marginales. "Dos eventos A y B son independientes si conocemos que la ocurrencia de uno no cambia la probabilidad de que el otro ocurre". Si A y B son independientes (Regla de multiplicacin para eventos independientes):

P ( AB) = P( A) * P( B)

P (AB)= Probabilidad de que los eventos A y B se presenten juntos o en sucesin. A esto es lo que se le conoce como probabilidad conjunta. P (A) = Probabilidad marginal de que se presente el evento A P (B) = Probabilidad marginal de que se presente el evento B

Ejemplo: La probabilidad de tener cara en dos lanzamientos sucesivos P (C 1 C2) = P (C1) x P (C2) As, P (C1 C2) = 0.5 x 0.5 = 0.25. Por lo tanto, la probabilidad de obtener cara en dos lanzamientos sucesivos es de 0.25

11

Fabiola Snchez / Jorge Durn / Eduardo Durn

Hasta este punto, hemos considerado dos tipos de probabilidad, la probabilidad marginal (o incondicional) y la probabilidad conjunta. Simblicamente, la probabilidad marginal es P (A) y la probabilidad conjunta es P (AB). Adems de estas dos, existe otro tipo de probabilidad conocido como probabilidad condicional. La probabilidad condicional bajo condiciones de independencia estadstica . La probabilidad condicional es la probabilidad de que un segundo evento (B) se presente si un primer evento (A) ya ha sucedido. Simblicamente, la probabilidad condicional se escribe como P (B/A) y se lee, " la probabilidad de que se presente el evento B dado que el evento A se ha presentado". Para eventos estadsticamente, la probabilidad condicional de que suceda el evento B dado que el evento A se ha presentado es simplemente la probabilidad del evento B P (B/A) = P (B) Ejemplo: Cul es la probabilidad de que en el segundo lanzamiento de una moneda se obtenga cara?. Simblicamente lo anterior se escribe como P (C 2/C1). Recordemos que para dos eventos independientes el resultado del primer lanzamiento no tiene absolutamente ningn efecto sobre el resultado del segundo. Dado que la probabilidad de obtener cara y la de obtener cruz 0.5 Probabilidades bajo condiciones de dependencia estadstica La dependencia estadstica existe cuando la probabilidad de que se presente algn suceso depende o se ve afectada por la presentacin de algn otro evento. Exactamente igual que con los eventos independientes, los tipos de probabilidad bajo condiciones de dependencia estadstica son: a) Probabilidad condicional b) Probabilidad conjunta c) Probabilidad marginal son exactamente iguales en cada lanzamiento, la probabilidad de obtener cara en el segundo lanzamiento es de 0.5. Por tanto debemos decir que P (C 2/C1) =

12

Fabiola Snchez / Jorge Durn / Eduardo Durn

La

probabilidad

condicional

bajo

condiciones

de

dependencia

estadstica .

Las

probabilidades condicional

y conjunta

bajo condiciones de dependencia son ms

complicadas que la probabilidad marginal en estas mismas circunstancias. Analizaremos primero la probabilidad condicional, debido a que el concepto de probabilidad conjunta se ilustra mejor si utilizamos la probabilidad condicional como base. La probabilidad de que dos eventos A y B ocurran juntos pueden encontrarse por: P (AB) = P(A)*P(B|A) Aqu P(B|A) es la probabilidad condicional de que B suceda dada la informacin de que A ocurra. Qu es una probabilidad condicional? Cuando P(A) > 0, la probabilidad condicional de B dado A es:

P ( B | A) =

P ( BA) P ( A)

Ejemplo:
POBLACIN FEMENINA DE 12 AOS O MS DE EDAD POR ESTADO CIVIL Y GRUPO DE EDAD. MXICO, 2000.

12-19

20-29

E D AD 30-39

T otal 40-49 50-59

Vive con su pareja en unin libre 427,3601,443,890 997,404 506,281 359,507 3,734,442 Est separado(a) 40,763 276,169 353,389 327,452 414,164 1,411,937 Est divorciado(a) 2,792 62,846 136,452 141,057 144,848 487,995 Es viudo(a) 3,950 42,287 122,576 257,3812,009,700 2,435,894 C asado(a) slo por lo civil 272,9231,582,4261,338,090 764,332 603,650 4,561,421 C asado(a) slo por la iglesia 22,202 190,067 208,236 142,528 177,323 740,356 C asado(a) civil y religiosam ente136,2972,204,3163,135,7312,358,1372,710,78610,545,267 Soltero(a) 7,429,7653,367,908 888,573 394,143 466,29312,546,682 N o especificado 13,760 15,267 7,960 6,113 12,782 55,882 8,349,8129,185,1767,188,4114,897,4246,899,05336,519,876

Cul es la probabilidad condicional de que una mujer sea viuda, dado que tiene entre 50 y 59 aos de edad?

13

Fabiola Snchez / Jorge Durn / Eduardo Durn

P(50 59) =

6,899,053 = 0.1889 36,519,876 2,009,700 = 0.0550 36,519,876

P(viuda _ y _ 50 59) =

Por lo tanto, la probabilidad condicional es:

P (viuda | 50 59) =

P (viuda _ y _ 50 59) 0.0550 = = .2912 P (50 59) 0.1889

La probabilidad conjunta bajo condiciones de dependencia estadstica . Hemos mostrado que la frmula para calcular la probabilidad condicional bajo dependencia estadstica es:

P ( B | A) =

P ( AB ) P ( A)

Si de esta ecuacin despejamos P (AB) mediante una multiplicacin, obtendremos la frmula para la probabilidad conjunta bajo condiciones de dependencia estadstica:

P( A B) = P( A | B) * P( B)

P (AB) = Probabilidad conjunta de que los eventos B y A se presenten al mismo tiempo o en sucesin. P (A/B) = Probabilidad de que suceda el evento A dado que ya se present el evento B. P (B) = Probabilidad de que se presente el evento B

Obsrvese que esta frmula no es P (AB) = P (B) x P (A) como sera en el caso de que estuviramos en condiciones de independencia estadstica. Ejemplo: Cul es la probabilidad conjunta de que una mujer sea viuda y tenga entre 50 y 59 aos de edad?

14

Fabiola Snchez / Jorge Durn / Eduardo Durn

Evento A: Que la mujer sea viuda Evento B: Que tenga entre 50 y 59 aos de edad

2'009 ,700 P( AB ) 36 '519876 0.055030 P( A | B) = = = = 0.2912 6'899 ,053 P( B) 0.188912 36 '519876

P ( AB ) = P ( A | B ) * P ( B ) = 0.2912 * 0.188912 = 0.055

La probabilidad marginal bajo condiciones de dependencia estadstica Las probabilidades marginales en condiciones de dependencia estadstica evento sencillo. La probabilidad marginal de que una mujer sea viuda? Es la suma de probabilidades de que sea viuda en las edades de 12-19 hasta 50-59. OTROS ASPECTOS RELEVANTES DE LA PROBAILIDAD Variable Aleatoria Una variable aleatoria es una variable cuyo valor es un resultado numrico de un fenmeno aleatorio. Por ejemplo: los resultados de tirar una moneda 100 veces, la media de ingresos de una muestra aleatoria de poblacin trabajadora, la edad promedio de la polica y agentes de trnsitos del AMCM. Existen dos tipos de variables aleatorios: discretas y continuas. se calculan mediante la suma de probabilidades de todos eventos conjuntos en los que se presenta el

Variables Discretas

15

Fabiola Snchez / Jorge Durn / Eduardo Durn

Una variable aleatoria discreta X tiene un nmero finito de valores posibles. La distribucin probabilidades. Valores de X Probabilida d . . de probabilidades de X enumera todos los valores y sus

x1
p1

x2
p2

x3 p3

xk pk

Ests probabilidades deben satisfacer dos requerimientos:

1. Cada probabilidad 2.

pi

es un nmero entre 0 y 1.

p1 + p2 + p3 + .... + pn = 1

Ver ejemplo 4.16 del libro Variables Continuas Una variable aleatoria continua X toma todos los valores en un intervalo de nmero. La distribucin de probabilidades de X se describe por una curva de densidad. La probabilidad de cualquier evento es el rea debajo de la curva de densidad y por arriba de los valores de X que definen en el evento. Supongamos la seleccin de nmero aleatorios continuos entre 0 y 1.

16

Fabiola Snchez / Jorge Durn / Eduardo Durn

Los modelos probabilsticas de variables aleatorias continuas asignan probabilidades a intervalos de resultados en vez de resultados individuales. De hecho, estas distribuciones de probabilidades asignan probabilidades 0 a cada resultado individual.

17

Fabiola Snchez / Jorge Durn / Eduardo Durn

La informacin por edad de la poblacin de Mxico en el 2000 es la siguiente:

Curva de Densidad de la Poblacin de Mxico segn edad.

18

Fabiola Snchez / Jorge Durn / Eduardo Durn

3.00

2.50

2.00

Porcentaje

1.50

1.00

0.50

0.00
0 4 8 12 10 0 10 4 10 8 11 2 11 6 12 0 12 4
1 00

Edad

Qu patrn observan en los datos?


2500000

2000000

1500000

1000000

500000

0 0 5 10 15 20 25 30 35 40 45 50 Edad 55 60 65 70 75 80 85 90 95

Cul es el espacio muestral de esta variable aleatoria? Cul es la probabilidad que una persona tenga 80 aos o ms de edad?

19

12 8

24

36

48 52

60

68

72 76

80

84 88

92 96

16

20

28

32

40

44

56

64