Está en la página 1de 4

Probabilidad y Estadística Matemáticas Aplicadas a CCSS

Probabilidad y Estadística
Tema 12.- Probabilidad

Propiedades:
P ( )  0 P ( A)  1 P ( A)  0 P( E )  1

P ( A)  P ( A)  1 P ( A  B)  P ( A  B) P( A  B)  P ( A  B)

P( A  B)  P( A)  P ( B)  P( A  B) P ( ̄A ∩ B )= P ( B )− P ( A∩ B )

P( A  B)  P( A  B)  1  P( A  B) P( A  B)  P( A  B)  1  P( A  B)

Regla de Laplace, se utiliza para el cálculo de la probabilidad de un suceso.

CasosFavorables
P ( A) 
CasosTotal es

Reconocer si dos sucesos son independientes:


 Dependiente: P ( A  B )  P ( A)  P ( B )
 Independiente: P ( A  B )  P ( A)  P ( B )

Si los sucesos son independientes  P( B )  P( B) P ( A )  P ( A)


A B

Reconocer si dos sucesos son incompatibles:


 Compatible: P( A  B )  0 
P ( A  B )  P ( A)  P ( B )  P ( A  B )
 Incompatible: P( A  B)  0  P ( A  B )  P ( A)  P ( B )

Probabilidad condicionada, sabiendo que se cumple el suceso “B” nos preguntan la


probabilidad de que se dé el suceso “A”.

 B   P(PA(B)B)
P A

Tema 13.- Probabilidad Condicionada

Probabilidad Compuesta:
P( A  B)  P( A)  P B  A   
P( A  B  C )  P( A)  P B  P C
A A B

Teorema de Probabilidad Total:
P( B)  P A1   P B   P A2   P B     P An   P B 
 A1   A2   An 

Teorema de Bayes:

Centro de Estudios Pitágoras Pág.- 1


Probabilidad y Estadística Matemáticas Aplicadas a CCSS

P( Ai )  P B 
P i  
A  Ai 
 B  P ( A )  P B   P ( A )  P B     P ( A )  P B 
1  A 2  A  n  A 
 1  2  n
Tema 14.- Estadística Inferencial, Muestreo

Términos Estadísticos.

Población; es el conjunto de elementos sobre los que se hace un determinado estudio.


Muestra; es el subconjunto de elementos de la población que tomamos para hacer el
estudio.
Individuo; es cada elemento de la muestra.
Tamaño de la muestra; es el número de individuos que componen la muestra.

Técnicas de muestreo.

Muestreo con reemplazamiento; que el elemento vuelve otra vez a la muestra para
poder ser sacado.
Muestreo sin reemplazamiento; que el elemento una vez sacado se queda fuera de la
muestra.
Muestreo no aleatorio; es cuando no todos los elementos de la muestra tienen la
misma probabilidad de salir.
Muestreo aleatorio; en este caso cada elemento tiene la misma probabilidad de ser
seleccionado de la muestra.
Aleatorio Simple.- se sacan n elementos al azar.
Aleatorio Sistemático.- se sacan los n elementos tomados de k en k, donde el
parámetro k se obtiene por:
N
k ; siendo N el nº de elementos de la población y n el tamaño de la muestra.
n
Aleatorio Estratificado.- si la población está dividida en estratos la muestra se
tiene que obtener de manera proporcional al tamaño de cada estrato (regla de tres).
Aleatorio por Conglomerados.- si la población está dividida en conjuntos, se
selecciona al azar uno de ellos y de aquí se obtienen al azar los elementos.

Distribución Normal Estandar.

Si tenemos una distribución N(0,1) podemos encontrar el valor del área sombreada en la
tabla, de manera que la P( z  a) es ese valor.

 P( z  a)  1  P( z  a )
 P( z  a)  1  P( z  a )
 P ( z  a)  P( z  a)
 P (a  z  b)  P ( z  b)  P ( z  a )
 P ( z  a)  P( z  a)

Tipificación de una variable.

Cuando la variable no sigue una distribución N(0,1) hay que tipificarla.

Centro de Estudios Pitágoras Pág.- 2


Probabilidad y Estadística Matemáticas Aplicadas a CCSS

 a
P ( x  a)  P z  
  

Distribución Muestral de Medias.

Si tenemos una población de N (  ,  ) y extraemos de ella una muestra de tamaño n, la


distribución muestral de medias sigue una normal:

N ( , )
n

Distribución Muestral de Proporciones.

Si tenemos una muestra de tamaño n≥30 de una población distribuida por una binomial
de parámetros p y q, la distribución muestral de proporciones se aproxima por una
normal:
pq
N ( p, )
n

Tema 15.- Estadística Inferencial, Estimación de Intervalos

Conceptos.

Intervalo de Confianza; es el intervalo que contiene al parámetro estimado con un


cierto nivel de confianza.
Nivel de Confianza (Nc); es el porcentaje de valores dentro del intervalo de confianza.
Valor Crítico ( Z  2 ); para calcular el valor crítico:
Nc
1
P z  z   100
 2 2
Límites de Confianza; son los extremos del intervalo de confianza.
Nivel de Significación (NS); es el porcentaje que queda fuera del intervalo de
confianza.
Nc = 1 - NS NS = 1 - Nc

Cálculo de Intervalos de Confianza.

     pq pq 
 x  z , x  z   p  z , p  z 
 n n 
 2 n 2 n  2 2

Error máximo admisible.

 pq
E  z E  z
2 n 2 n

Tamaño de la muestra.

Centro de Estudios Pitágoras Pág.- 3


Probabilidad y Estadística Matemáticas Aplicadas a CCSS

2 2
 z    z  p  q
n 2 
n 2
 E 
  E2

Centro de Estudios Pitágoras Pág.- 4