Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad
Notación de conjuntos:
Universo:
Vacío:
En matemáticas, particularmente en la Teoría axiomática de Conjuntos de ZF
el conjunto vacío es el conjunto que carece de elementos. Puesto que lo único
que define a un conjunto son sus elementos, el conjunto vacío es único.
Algunas propiedades de los conjuntos son trivialmente ciertas para el conjunto
vacío. En una teoría axiomática de conjuntos, la existencia de un conjunto
vacío se postula.
Definición y notación:
El conjunto vacío es el conjunto que no contiene elementos.
El conjunto vacío es denotado por los símbolos:
-Subconjunto:
estos pueden ser diagramas sencillos que involucran dos o tres conjuntos con
algunos elementos o pueden volverse muy sofisticados, por ejemplo, en
presentaciones en 3D, ya que utilizan seis o siete conjuntos o más. Se usan
para hacer un análisis detallado y para representar cómo se relacionan los
elementos entre sí dentro de un "universo" o segmento determinado.
Unión de conjuntos:
Supongamos que tenemos los conjuntos M y N definidos como se muestra en la
siguiente figura:
Podemos crear otro conjunto conformado con los elementos que pertenezcan
a M o a N. A este nuevo conjunto le llamamos unión de M y N, y lo notamos
de la siguiente manera: M∪N. En la imagen de abajo puedes observar el
resultado de unir los conjuntos M y N.
Intersección de conjuntos:
Sigamos tomando como ejemplo los conjuntos M y N definidos
anteriormente.
Podemos determinar un nuevo conjunto conformado por los elementos que
nuestros conjuntos M y N tienen en común. A este nuevo conjunto le
llamamos intersección de M y N y lo notamos de la siguiente manera: M∩N.
Complemento de un conjunto:
La última operación que estudiaremos no es entre dos conjuntos. Decimos
que el complemento de M es el conjunto conformado por todos los elementos
del conjunto universal U, que no pertenecen al conjunto M. Es común usar los
símbolos Mc, ¯M o M′ para representar el complemento del conjunto M,
nosotros usaremos el símbolo Mc.
En nuestro caso tenemos Mc={j,f,g,1,e,i,h}Mc={j,f,g,1,e,i,h} y Nc={i,h,j,f,a,c}.
Probabilidad Básica y Condicional
probabilidad básica:
Probabilidad:
Experimento:
Un experimento, en estadística, es cualquier proceso que proporciona datos,
numéricos o no numéricos.
Un conjunto cuyos elementos representan todos los posibles resultados de un
experimento se llama espacio muestral y se representa como S. El espacio
muestral de un experimento siempre existe y no es necesariamente único
pues, dependiendo de nuestra valoración de los resultados, podemos
construir diferentes espacios muéstrales.
Los elementos del espacio muestral se llaman puntos muéstrales y son los
distintos resultados del experimento.
Si consideramos el conjunto de las partes de (P(S)) sus elementos son los
sucesos. Un suceso, por tanto, es un subconjunto del espacio muestral.
Espacio muestral:
Evento:
RESPUESTA
Experimento:
Lanzar un dado
Resultados Experimentales:
1,2,3,4,5,y 6
Espacio muestral:
S { 1,2,3,4,5,6}
METODO CLÁSICO
Es cuando se usa la suposición de resultados igualmente probables como una base para asignar
probabilidades. Si un experimento tiene n resultados posibles el método clásico asigna una
probabilidad de 1/n a cada resultado experimental.
El método clásico fue elaborado para analizar probabilidades en los juegos de azar donde la
suposición de resultados igualmente probables frecuente es razonables.
Probabilidad
1/6 = 0.1666
Técnicas de conteo.
Diagrama de árbol:
Un diagrama de árbol o árbol de probabilidad es una herramienta que se utiliza
para determinar si en realidad en el cálculo de muchas probabilidades se
requiere conocer el número de objetos que forman parte del espacio muestral,
estos se pueden determinar con la construcción de un diagrama de árbol.
El diagrama de árbol es una representación gráfica de los posibles resultados
del experimento, el cual consta de una serie de pasos, donde cada uno de estos
tiene un número infinito de maneras de ser llevado a cabo. Se utiliza en los
problemas de conteo y probabilidad.
Ejemplos
Una universidad está formada por tres facultades:
P (alumno varón) = 0,5 . 0,4 , + 0,25 . 0,4 + 0,25 . 0,4= 0,4 pero también podría
ser lo contario.
- Regla multiplicativa:
Reglas multiplicativas
Si en un experimento pueden ocurrir los eventos A y B, entonces
Así la probabilidad de que ocurran A y B es igual a la probabilidad de que ocurra A multiplicada por
la probabilidad condicional de que ocurra B, dado que ocurre A.
Como los eventos A ∩ B y B ∩ a son equivalentes, del teorema anterior se sigue que también
podemos escribir
Ejemplo: Suponga que tenemos una caja de fusibles que contiene 20 unidades, de las cuales 5
están defectuosas. Si se seleccionan 2 fusibles al azar y se retiran de la caja, uno después del otro,
sin reemplazar el primero, ¿cuál es la probabilidad de que ambos fusibles estén defectuosos?
Sean A el evento de que el primer fusible esté defectuoso y B ele vento de que el segundo esté
defectuoso; entonces, interpretamos A ∩ B como el evento de que ocurra A, y entonces B ocurre
después de que haya ocurrido A. La probabilidad de separar primero un fusible defectuoso es 1/4;
entonces, la probabilidad de separar un segundo fusible defectuoso de los restantes 4 es 4/19. Por
lo tanto,
Eventos independientes
P(A ∩ B) = P(A)P(B).
Por lo tanto, para obtener la probabilidad de que ocurran dos eventos independientes,
simplemente calculamos el producto de sus probabilidades individuales.
Combinación:
Combinaciones
Permutación:
No tiene por qué haber una relación causal o temporal entre A y B. A puede
preceder en el tiempo a B, sucederlo o pueden ocurrir simultáneamente. A
puede causar B, viceversa o pueden no tener relación causal. Las relaciones
causales o temporales son nociones que no pertenecen al ámbito de la
probabilidad. Pueden desempeñar un papel o no dependiendo de la
interpretación que se les dé a los eventos.
Un ejemplo clásico es el lanzamiento de una moneda para luego lanzar un
dado. ¿Cuál es la probabilidad que en el dado salga un 6 dado que ya haya
salido una cara en la moneda? Esta probabilidad se denota de esta
manera: P(6|C).
Probabilidad conjunta:
Eventos Independientes
Dos o más eventos son independientes cuando la ocurrencia o no-ocurrencia
de un evento no tiene efecto sobre la probabilidad de ocurrencia del otro
evento (o eventos). Un caso típico de eventos independiente es el muestreo
con reposición, es decir, una vez tomada la muestra se regresa de nuevo a la
población donde se obtuvo.
Dos eventos, A y B, son independientes si la ocurrencia de uno no tiene que
ver con la ocurrencia de otro.
Por definición, A es independiente de B si y sólo si:A y B, son independientes
si la ocurrencia de uno no tiene que ver con la ocurrencia de otro.
Por definición, A es independiente de B si y sólo si:A es independiente de B si
y sólo si:
(PnA)=P(A)P(B)
Eventos dependientes:
Bimonial:
Hipergeométrica:
Notación
Término Descripción
N N1 + N2 = tamaño de la población
N1 número de eventos en la población
N2 número de no eventos en la población
n tamaño de la muestra
x número de eventos en la muestra
Poisson:
Distribución de Poisson
La distribución de Poisson es una distribución discreta que modela el número
de eventos con base en una tasa constante de ocurrencia. La distribución de
Poisson se puede utilizar como una aproximación a la binomial cuando el
número de ensayos independientes sea grande y la probabilidad de éxito sea
pequeña.
Fórmula
media = λ
varianza = λ
Notación
Término Descripción
e base del logaritmo natural
F de Fisher:
- Distribución F de Fisher
- Definición. Sean U y V dos variables aleatorias independientes, tal que:
Distribución muestral:
En estadística, la distribución muestral es lo que resulta de considerar todas
las muestras posibles que pueden ser tomadas de una población. Su estudio
permite calcular la probabilidad que se tiene, dada una sola muestra, de
acercarse al parámetro de la población. Mediante la distribución muestral se
puede estimar el error para un tamaño de muestra dado.
La distribución de muestreo de una estadística es la distribución de esa
estadística, considerada como una variable aleatoria, cuando se deriva de una
muestra aleatoria de tamaño n.
Error estándar:
El error estándar es la desviación estándar de la distribución muestral de un
estadístico. El término se refiere también a una estimación de la desviación
estándar, derivada de una muestra particular usada para computar la
estimación.
El error estándar de la media (es decir, el error debido a la estimación de la
media poblacional a partir de las medias muestrales) es la desviación estándar
de todas las posibles muestras (de un tamaño dado) escogidos de esa
población. Además, el error estándar de la media puede referirse a una
estimación de la desviación estándar, calculada desde una muestra de datos
que está siendo analizada al mismo tiempo.
Caracterización
La distribución t de Student es la distribución de probabilidad del cociente
donde
Z es una variable aleatoria distribuida según una normal típica (de media nula
y varianza 1).
V es una variable continua que sigue una distribución χ² con V grados de
libertad.
Z y V son independientes.