Métodos para calcular la probabilidad (Pag 140 Estadística Triola 10ed)

Regla 1: Aproximación de la probabilidad por frecuencias relativas Realice (u observe) un

procedimiento un gran número de veces y cuente las veces que el suceso A ocurre en
realidad. Con base en estos resultados reales, P(A) se estima de la siguiente forma:

Regla 2: Método clásico de la probabilidad (requiere resultados igualmente probables)

Suponga que un procedimiento dado tiene n sucesos simples distintos y que cada uno de
esos sucesos simples tiene la misma posibilidad de ocurrir. Si el suceso A puede ocurrir en
s de estas n formas, entonces

Regla 3: Probabilidades subjetivas P(A), la probabilidad del suceso A, se estima con base en
el conocimiento de las circunstancias relevantes.
Tres métodos para calcular la probabilidad (a) Método de las frecuencias relativas (regla
1): Cuando se trata de determinar P(tachuela cae con la punta hacia arriba), debemos
repetir muchas veces el procedimiento de lanzar la tachuela y después calcular el cociente
del número de veces que la tachuela cae con la punta hacia arriba entre el número de
lanzamientos. (b) Método clásico (regla 2): Cuando se trata de determinar P(2) con un dado
balanceado, cada una de las seis caras tiene la misma probabilidad de ocurrir.

(c) Probabilidad subjetiva (regla 3): Cuando se trata de

estimar la probabilidad de que mañana llueva, los
meteorólogos usan su conocimiento experto de las
condiciones del tiempo para desarrollar un estimado de
la probabilidad.
Es muy importante señalar que el método clásico (regla 2)
requiere resultados igualmente probables. Si los resultados
no son igualmente probables, debemos usar el estimado de
frecuencias relativas o confiar en nuestro conocimiento de las circunstancias para hacer una
conjetura entrenada. La figura 4-1 ilustra los tres métodos. Al calcular probabilidades con el método
de frecuencias relativas (regla 1), obtenemos una aproximación en vez de un valor exacto. Conforme
el número total de observaciones se incrementa, los estimados correspondientes tienden a
acercarse
Estadística: es un conjunto de métodos para planear estudios y experimentos, obtener datos y
luego organizar, resumir, presentar, analizar, interpretar y llegar a conclusiones basadas en los datos

Población es el conjunto completo de todos los elementos (puntuaciones, personas, medidas,

etcétera) que se va estudiar. El conjunto es completo porque incluye a todos los sujetos que se
estudiarán

Muestra es un subconjunto de miembros seleccionados de una población

Estadística inferencial Métodos que implican el uso de datos muestrales para hacer
generalizaciones o inferencias acerca de una población.

Estadística descriptiva Métodos empleados para resumir las características clave de datos
conocidos. su objetivo es resumir o describir las características importantes de un conjunto de
datos.

Las dos aplicaciones principales de la estadística inferencial implican el uso de datos muestrales
para 1. estimar el valor de un parámetro de una población y 2. probar alguna aseveración (o
hipótesis) acerca de una población.

En una muestra aleatoria los miembros de la población se seleccionan de forma que cada miembro
individual tenga la misma posibilidad de ser elegido.

Una muestra aleatoria simple de n sujetos se selecciona de manera que cada posible muestra del
mismo tamaño n tenga la misma posibilidad de ser elegida

Tipos de muestreo aleatorio

En el muestreo sistemático, elegimos algún punto de partida y luego seleccionamos cada k-ésimo
(por ejemplo, cada quincuagésimo) elemento en la población.

En el muestreo de conveniencia, simplemente se utilizan resultados que sean muy fáciles de

obtener.

En el muestreo estratificado subdividimos a la población en al menos dos subgrupos (o estratos)

diferentes, de manera que los sujetos que pertenecen al mismo subgrupo compartan las mismas
características (como el género o la categoría de edad), y luego obtenemos una muestra de cada
subgrupo (o estrato)

En el muestreo por conglomerados primero dividimos el área de la población en secciones (o

conglomerados), y luego elegimos al azar algunos de estos conglomerados, y después elegimos a
todos los miembros de los conglomerados seleccionados.

Una variable aleatoria es aquella (casi siempre representada por x) que tiene un solo valor numérico
determinado por el azar, para cada resultado de un procedimiento.
Una variable aleatoria discreta tiene un número finito de valores o un número de valores contable,
donde “contable” se refiere al hecho de que podría haber un número infinito de valores, pero que
pueden asociarse con un proceso de conteo.

Una variable aleatoria continua tiene un número infinito de valores, y esos valores pueden
asociarse con mediciones en una escala continua, de manera que no existan huecos o
interrupciones.

Tipos de muestreo aleatorio (2)

1.- Muestreo aleatorio simple: Procedimiento: 1) se asigna un número a cada individuo de la

población y 2) a través de algún medio mecánico (bolas dentro de una bolsa, tablas de números
aleatorios, números aleatorios generados con una calculadora u ordenador, etc.) se eligen tantos
sujetos como sea necesario para completar el tamaño de muestra requerido. Este procedimiento,
atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la población que estamos
manejando es muy grande.

2.- Muestreo aleatorio sistemático: Se enumeran todos los elementos de la población, pero en lugar
de extraer n números aleatorios sólo se extrae uno. Se parte de ese número aleatorio i, que es un
número elegido al azar, y los elementos que integran la muestra son los que ocupa los lugares i, i+k,
i+2k, i+3k,...,i+(n-1)k, es decir se toman los individuos de k en k, siendo k el resultado de dividir el
tamaño de la población entre el tamaño de la muestra: k= N/n. El número i que empleamos como
punto de partida será un número al azar entre 1 y k. El riesgo este tipo de muestreo está en los casos
en que se dan periodicidades en la población ya que al elegir a los miembros de la muestra con una
periodicidad constante (k) podemos introducir una homogeneidad que no se da en la población.
Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5
primeros son varones y los 5 últimos mujeres, si empleamos un muestreo aleatorio sistemático con
k=10 siempre seleccionaríamos o sólo hombres o sólo mujeres, no podría haber una representación
de los dos sexos

3.- Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los anteriores ya
que simplifican los procesos y suelen reducir el error muestral para un tamaño dado de la muestra.
Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen gran
homogeneidad respecto a alguna característica (se puede estratificar, por ejemplo, según la
profesión, el municipio de residencia, el sexo, el estado civil, etc.). Lo que se pretende con este tipo
de muestreo es asegurarse de que todos los estratos de interés estarán representados
adecuadamente en la muestra. Cada estrato funciona independientemente, pudiendo aplicarse
dentro de ellos el muestreo aleatorio simple o el estratificado para elegir los elementos concretos
que formarán parte de la muestra. En ocasiones las dificultades que plantean son demasiado
grandes, pues exige un conocimiento detallado de la población. (Tamaño geográfico, sexos,
edades,...). La distribución de la muestra en función de los diferentes estratos se denomina afijación,
y puede ser de diferentes tipos: Afijación Simple: A cada estrato le corresponde igual número de
elementos muéstrales. Afijación Proporcional: La distribución se hace de acuerdo con el peso
(tamaño) de la población en cada estrato. Afijación Optima: Se tiene en cuenta la previsible
dispersión de los resultados, de modo que se considera la proporción y la desviación típica. Tiene
poca aplicación ya que no se suele conocer la desviación. 4.- Muestreo aleatorio por conglomerados:
Los métodos presentados hasta ahora están pensados para seleccionar directamente los elementos
de la población, es decir, que las unidades muéstrales son los elementos de la población. En el
muestreo por conglomerados la unidad muestral es un grupo de elementos de la población que
forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los
departamentos universitarios, una caja de determinado producto, etc., son conglomerados
naturales. En otras ocasiones se pueden utilizar conglomerados no naturales como, por ejemplo, las
urnas electorales. Cuando los conglomerados son áreas geográficas suele hablarse de "muestreo
por áreas".

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto numero de

conglomerados (el necesario para alcanzar el tamaño muestral establecido) y en investigar después
todos los elementos pertenecientes a los conglomerados elegidos.
Los tres métodos para calcular las probabilidades son la regla de la adición, la regla de la
multiplicación y la distribución binomial.

Regla de la adición
La regla de la adición o regla de la suma establece que la probabilidad de ocurrencia de
cualquier evento en particular es igual a la suma de las probabilidades individuales, si es que
los eventos son mutuamente excluyentes, es decir, que dos no pueden ocurrir al mismo
tiempo.
Entonces, si A y B son mutuamente excluyentes,
P(A o B) = P(A) U P(B) = P(A) + P(B)
Si A y B no son mutuamente excluyentes,
P(A o B) = P(A) + P(B) − P(A y B)
Siendo: P(A) = probabilidad de ocurrencia del evento A, P(B) = probabilidad de ocurrencia del
evento B, y P(A y B) = probabilidad de ocurrencia simultánea de los eventos A y B.

Regla de la multiplicación
La regla de la multiplicación establece que la probabilidad de ocurrencia de dos o más eventos
estadísticamente independientes es igual al producto de sus probabilidades individuales.
P (A y B) = P (A B) = P (A) P (B) si A y B son independientes.
P (A y B) = P (A B) = P (A) P (B|A) si A y B son dependientes.
siendo P (B|A) la probabilidad de que ocurra B habiéndose dado o verificado el evento A.
Un lote contiene "100" objetos de los cuales "20" son defectuosos. Los objetos son
seleccionados uno después del otro para ver si ellos son defectuosos. Suponga que dos
objetos son seleccionados sin reemplazo (significa que el objeto que se selecciona al azar se
deja por fuera del lote). ¿Cuál es la probabilidad de que los dos objetos seleccionados sean
defectuosos?
Solución: Sea los eventos
A1 = {primer objeto defectuoso}, A2 {segundo objeto defectuoso}
entonces dos objetos seleccionados serán defectuosos, cuando ocurre el evento A1∩ A2 que
es la intersección entre los eventos A1 y A2. De la información dada se tiene que:
P (A1) = 20/100 ; P (A2/A1) = 19/99
así probabilidad de que los dos objetos seleccionados sean defectuosos es

P (A1 ∩ A2) = P (A1) P (A2/A1)

(20/100)(19/99)
19/495 = 0.038

Ahora suponga que selecciona un tercer objeto, entonces la probabilidad de que los tres
objetos seleccionados sean defectuosos es

P (A1 ∩ A2 ∩ A3) = P (A1) P (A2/A1) P (A3/A1∩A2)

(20/100)(19/99)(18/98)
19/2695 = 0.007