Estadística aplicada

a la Investigació n
Psicoló gica
María Antonieta Villarreal
OBJETIVO DE LA MATERIA: Conocer los elementos
básicos que componen a la Estadística y su utilidad
en la educación

UNIVERSIDAD INDÍGENA

CALLI TLAMATILIZTLI

TEHUACÁN

2019
 TEMARIO

I. LA ESTADISTICA
1. Antecedentes, importancia y aplicación de la Estadística.
a). Antecedentes: Evolución de la Estadística, función e importancia, generalidades, aplicaciones.

II. METODOS ESTADISTICOS APLICADOS

1. Organización y reporte de datos: definición, población y muestra.
2. Variables discretas y continuas
3. Intervalos y marcas de Clase.
4. Distribuciones de Frecuencia Relativa, Absoluta y Acumulada.
5. Gráficas.
6. Medidas de Tendencia Central: sumatoria, media aritmética, mediana, moda.
7. Medidas de Dispersión: rango, desviación media, varianza, desviación Standard.

III. PROBABILIDAD
1. Definición: a priori, frecuencista, axiomática.
2. Teoría de Conjuntos: propiedades, operaciones, axiomas.
3. Espacios, experimentos y eventos: experimentos determinísticos y aleatorios, espacio muestral,
eventos mutuamente excluyentes y complementarios, Álgebra de eventos, Espacio de probabilidad.
4. Técnicas de Conteo: Principios de multiplicación y adición, factorial de un número, ordenación
con repetición, permutaciones y Combinaciones, Teorema del Binomio.
5. Probabilidad condicional e independencia: Probabilidad condicional y de eventos
independientes.
6. Teorema de Bayes: importancia, componente, aplicación.

IV. TÉCNICAS, MÉTODOS E INSTRUMENTOS DE INVESTIGACIÓN DE LA

PSICOLOGÍA.
1. Métodos empleados por la Psicología: Observación, introspección, Entrevista, psicofísico,
asociación libre, Preexperimental, cuasiexperimental, experimental, Interpretación de los sueños,
hipnosis, psicometría., Proyectivo, Diálogo, encuesta de opinión, escala de actitudes, estudio de
casos.
2. Ética de la Investigación. Normas de la Asociación Psicológica Americana (A. P. A.)
 I. La estadística
Antecedentes, importancia y aplicación de la Estadística

La estadística se ocupa de los métodos científicos que se utilizan para recolectar, organizar, resumir,
presentar y analizar datos así como para obtener conclusiones válidas y tomar decisiones razonables
con base en este análisis. El término estadística también se usa para denotar los datos o los números
que se obtienen de esos datos; por ejemplo, los promedios. Así, se habla de estadísticas de empleo,
estadísticas de accidentes, etcétera.

Uno de los antecedentes de la estadística de los que se puede hacer constancia son los escritos sobre
el historiador Tácito, al que el emperador Augusto le ordenó crear una encuesta y una especie de
inventario de todos sus bienes, ya fuesen soldados, armamento, barcos….etc.

La ciencia de la estadística aparece poco a poco mediante una evolución histórica y que se puede
constatar en los distintos escritos históricos de la humanidad. Siempre ha existido la necesidad de
realizar recuentos, antes y después de las guerras, de modo que se pueda visualizar de forma fácil la
evolución de un reino o la evolución de un imperio.

Otro antecedente de la estadística surge en la isla italiana de Cerdeña donde los primeros pobladores
de esta isla, los llamados “Nuragas” levantaron bloques de piedra en los cuales realizaban escritos
donde anotaban con mucha escrupulosidad los números de ganado o de piezas cazadas de la época.

En los grabados egipcios, es posible visualizar los antecedentes de la estadística mediante los censos
que realizaban de sus poblaciones y los libros de cuentas de los faraones, nos estamos refiriendo al
año 3000 antes de cristo.

El rey de Asiria Sargón II llegó a fundar una biblioteca cuyos textos se ordenaban y se agrupaban en
tablillas de arcilla cocida y en donde era posible encontrar una recopilación de datos estadísticos y
libros de cuentas de la época.

Ya en la Biblia, en el libro de los Números, uno de los primeros libros de la Biblia del antiguo
testamento, le pide Yahvé a Moisés que haga un censo de las tribus, por familias y linajes.

También en la biblia, se puede leer como tras atacar a una tribu enemiga, el pueblo de Israel, como si
de piratas se tratase, volvían de la guerra y se repartían las mujeres, los niños, y el ganado en 12
partes iguales, una parte para cada una de las 12 tribus de Israel.

En China se conoce que unos 500 años antes de Cristo el Rey Yao mandó hacer un estudio estadístico
de todo su reino, a nivel agricola, industrial o comercial.

Durante la época de esplendor de Grecia, aparecen los verdaderos impulsores del antecedente de la
estadística, en escritores como Sócrates, Herodoto o Aristóteles.
De igual modo en la época del imperio Romano, la aparición de un gobierno bien estructurado y un
alto desarrollo político, impulsó la creación de censos de habitantes, estudios demográficos, registro
de nacimientos, contabilidad de la cantidad de bienes de cada familia etc…

La estadística es la base del conocimiento práctico y real. La estadística es una de las ramas de la
ciencia matemática que se centra en el trabajo con datos e informaciones que son ya de por sí
numéricos o que ella misma se encarga de transformar en números. La estadística, si bien es una
ciencia de extracción exacta, tiene una injerencia directa en cuestiones sociales por lo cual su utilidad
práctica es mucho más comprensible que lo que sucede normalmente con otras ciencias exactas
como la matemática.

A diferencia de otras ramas de la matemática que poseen una parte importante de abstracción, la
estadística tiene aplicaciones directas y concretas en la vida real ya que toma los números y cifras de
diferentes fenómenos sociales como por ejemplo la desocupación, la tasa de mortalidad, la de
natalidad y muchos otros datos incluso más complejos.

Sin embargo, a pesar de lo mencionado en el párrafo anterior, lo interesante de la estadística como

ciencia es que en muchos casos, la información cuantitativa que nos brinda nos permite conocer a
ese nivel mucho mejor a una sociedad, por ejemplo cuántas personas viven en un país, cuál es la tasa
de desempleo, cuál es la tasa de indigencia o pobreza, cuál es el nivel promedio de educación de esa
sociedad, etc. Todos estos datos numéricos son utilizados por los responsables del Estado a través de
sus distintos organismos y secretarías para luego realizar proyectos de diferente tipo que tengan que
ver con mejorar esa situación o mantenerla en el caso de que sea buena.

En algunos casos, aunque no directamente, la estadística también nos permite inferir (no conocer) la
calidad de vida de una población ya que si encontramos altas tasas de desempleo, pobreza y
marginalidad podremos suponer que la calidad de vida es muy baja.

La estadística tiene una utilidad no sólo en aspectos sociales sino que también sirve para todo tipo de
investigación científica si se tiene en cuenta que los datos estadísticos son el resultado de varios
casos de entre los cuales se toma un promedio. Así, una estadística puede servir para una
investigación científica al demostrar que un porcentaje determinado de los casos observados
representó un resultado particular y no otro. También se utiliza por ejemplo para conocer el planeta
en el que vivimos y darnos datos sobre las proporciones de recursos renovables, sobre las superficies
de los países, la presencia de determinados biomas o no, etc.
Generalidades de la Estadística

El método estadístico comprende tres etapas:

Conclusiones a partir
del análisis

Análisis de datos

Recoger datos

División de la Estadística
 Se basa en la recolección de datos y su clasificación, elaboración de
tablas y gráficos que resumen esos datos; además, como la
determinación de ciertos parámetros estadísticos o números que
a) Estadística indican un rápido comportamiento general del grupo de datos
descriptiva o recolectados, sin pretender llegar a formulaciones de carácter
deductiva: general.

Basada en los resultados obtenidos para un grupo seleccionado de

individuo o muestra, mediante la estadística descriptiva y el cálculo
de probabilidades, busca establecer conclusiones y previsiones para
b) Estadística el total de individuos a la que pertenecen los individuos
inductiva o seleccionados.
inferencial:

La finalidad y aplicación es inferir y estimar el modo de comportamiento del total de la población a partir
del estudio de un grupo seleccionado de la misma.

Aplicaciones de la Estadística
 Economía: en este campo, los
métodos estadísticos son
indispensables, la formulación de las
leyes económicas, investigación del
mercado, etc.

Medicina y Ciencias de la Salud: se

estudia los efectos o eficacia de los
medicamentos, control de la
propagación de enfermedades
basadas en técnicas estadísticas.
Además está al servicio de estudios
epidemiológico, estadísticas vitales,
índice de masa corporal, etc.

En tecnología de alimentos: las

investigaciones respecto a las
condiciones óptimas de preparación,
conservación y presentación de los
alimentos, especialmente a partir de
las reacciones del consumidor.

II. METODOS ESTADISTICOS APLICADOS

II. METODOS ESTADISTICOS APLICADOS

1. Organización y reporte de datos: definición, población y muestra.
POBLACIÓN Y MUESTRA; ESTADÍSTICA INDUCTIVA (O INFERENCIAL) Y
ESTADÍSTICA DESCRIPTIVA

Cuando se recolectan datos sobre las características de un grupo de individuos o de objetos, por
ejemplo, estatura y peso de los estudiantes de una universidad o cantidad de pernos defectuosos y
no defectuosos producidos en determinado día en una fábrica, suele ser imposible o poco práctico
observar todo el grupo, en especial si se trata de un grupo grande. En vez de examinar todo el grupo,
al que se le conoce como población o universo, se examina sólo una pequeña parte del grupo, al que
se le llama muestra. Las poblaciones pueden ser finitas o infinitas. Por ejemplo, la población que
consta de todos los pernos producidos determinado día en una fábrica es finita, en tanto que la
población que consta de todos los resultados (cara o cruz) que se pueden obtener lanzando una y
otra vez una moneda es infinita. Si la muestra es representativa de la población, el análisis de la
muestra permite inferir conclusiones válidas acerca de la población. A la parte de la estadística que
se ocupa de las condiciones bajo la cuales tales inferencias son válidas se le llama estadística
inductiva o inferencial. Como estas inferencias no pueden ser absolutamente ciertas, para presentar
estas conclusiones se emplea el lenguaje de la probabilidad. A la parte de la estadística que
únicamente trata de describir y analizar un grupo dado, sin sacar ninguna conclusión ni hacer
inferencia alguna acerca de un grupo más grande, se le conoce como estadística descriptiva o
deductiva. Antes de proceder al estudio de la estadística, se analizarán algunos conceptos
matemáticos importantes.

2. Variables discretas y continuas

Una variable es un símbolo; por ejemplo, X, Y, H, x o B, que puede tomar cualquiera de los valores de
determinado conjunto al que se le conoce como dominio de la variable. A una variable que sólo
puede tomar un valor se le llama constante. Una variable que puede tomar cualquiera de los valores
entre dos números dados es una variable continua; de lo contrario es una variable discreta.

EJEMPLO 1 La cantidad N de hijos que tiene una familia puede tomar los valores 0, 1, 2, 3, . . . , pero
no puede tomar valores como 2.5 o 3.842; ésta es una variable discreta.
EJEMPLO 2 La estatura H de una persona que puede ser 62 pulgadas (in), 63.8 in o 65.8341 in,
dependiendo de la exactitud con que se mida, es una variable continua.
Los datos descritos mediante una variable discreta son datos discretos y los datos descritos mediante
una variable continua son datos continuos. Un ejemplo de datos discretos es la cantidad de hijos que
tiene cada una de 1 000 familias, en tanto que un ejemplo de datos continuos son las estaturas de
100 estudiantes universitarios. En general, una medición proporciona datos continuos; en cambio,
una enumeración o un conteo proporciona datos discretos. Es útil ampliar el concepto de variable a
entidades no numéricas; por ejemplo, en el arco iris, color C es una variable que puede tomar los
“valores” rojo, anaranjado, amarillo, verde, azul, índigo o violeta. Estas variables se pueden
reemplazar por números; por ejemplo, se puede denotar rojo con 1, anaranjado con 2, etcétera.

3. Intervalos y marcas de Clase.

Al símbolo que representa una clase, como 60-62 en la tabla 2.1, se le conoce como intervalo de
clase. A los números de los extremos, 60 y 62, se les conoce como límites de clase; el número menor
(60) es el límite inferior de clase, y el número mayor (62) es el límite superior de clase. Los términos
clase e intervalo de clase se suelen usar indistintamente, aunque el intervalo de clase en realidad es
un símbolo para la clase. Un intervalo de clase que, por lo menos teóricamente, no tenga indicado el
límite de clase superior o el límite de clase inferior, se conoce como intervalo de clase abierto. Por
ejemplo, al considerar grupos de edades de personas, un intervalo que sea “65 años o mayores” es
un intervalo de clase abierto.

4. Distribuciones de Frecuencia Relativa, Absoluta y Acumulada.

La frecuencia relativa de una clase es la frecuencia de la clase dividida entre la suma de las
frecuencias de todas las clases y generalmente se expresa como porcentaje. Por ejemplo, en la tabla
2.1, la frecuencia relativa de la clase 66-68 es 42/100 = 42%. Por supuesto, la suma de las frecuencias
relativas de todas las clases es 1, o 100%. Si en la tabla 2.1 las frecuencias se sustituyen por
frecuencias relativas, la tabla que se obtiene es una distribución de frecuencias relativas, distribución
porcentual o tabla de frecuencias relativas. Las representaciones gráficas de las distribuciones de
frecuencias relativas se obtienen a partir de los histogramas o polígonos de frecuencias, cambiando
únicamente, en la escala vertical, las frecuencias por las frecuencias relativas y conservando la gráfica
exactamente igual. A las gráficas que se obtienen se les llama histogramas de frecuencias relativas (o
histogramas porcentuales) y polígonos de frecuencias relativas (o polígonos porcentuales),
respectivamente.

A la suma de todas las frecuencias menores que la frontera superior de un intervalo de clase dado se
le llama frecuencia acumulada hasta ese intervalo de clase inclusive. Por ejemplo, en la tabla 2.1, la
frecuencia acumulada hasta el intervalo de clase 66-68 inclusive es 5 + 18 + 42 = 65, lo que significa
que 65 estudiantes tienen una estatura menor a 68.5 in.
 A una tabla en la que se
presentan las frecuencias
acumuladas se le llama
distribución de frecuencias
acumuladas, tabla de
frecuencias acumuladas o
simplemente distribución
acumulada, y se presenta
en la tabla 2.2 para la
distribución de las
estaturas de los estudiantes
de la tabla 2.1.

Una gráfica que muestra las frecuencias acumuladas

menores de cada frontera superior de clase respecto a
cada frontera superior de clase se le conoce como gráfica
de frecuencias acumuladas u ojiva. En algunas ocasiones se
desea considerar distribuciones de frecuencias mayores o
iguales que la frontera inferior de cada intervalo de clase.
Como en ese caso se consideran las estaturas de 59.5 in o
más, de 62.5 in o más, etc., a estas distribuciones se les
suele llamar distribuciones acumuladas “o más que”, en
tanto que las distribuciones consideradas antes son distribuciones acumuladas “o menos que”. Una
puede obtenerse fácilmente de la otra. A las ojivas correspondientes se les llama ojivas “más que” y
ojivas “menos que”. Aquí, siempre que se hable de distribuciones acumuladas o de ojivas, sin más, se
tratará del tipo “menos que”.

5. Gráficas
Una gráfica es una representación visual de la relación entre las variables. En estadística,
dependiendo de la naturaleza de los datos y del propósito que se persiga, se emplean distintos tipos
de gráficas: gráficas de barras, de pastel, pictogramas, etc. A las gráficas también se les suele llamar
cartas o diagramas. Así, se habla de cartas de barras, diagramas de pastel, etc.

Ejemplos de grafícas
6. Medidas de Tendencia Central: sumatoria, media aritmética, mediana,
moda

SUMATORIA
N
El símbolo ∑ ¿1 Xj se emplea para denotar la suma de todas las Xj desde j = 1 hasta j = N; por
j
definición,
N

∑ Xj=X 1+ X 2+ X 3+… XN
j=1

Cuando no puede haber confusión, esta suma se denota simplemente como ∑ X , ∑ Xj O jXj El
símbolo ∑ es la letra griega mayúscula sigma y denota suma.

LA MEDIA ARITMÉTICA

La media aritmética, o brevemente la

media, de un conjunto de N números X1,
X2, X3, . . . , XN se denota así: X (que se lee
“X barra”) y está definida como

LA MEDIANA

La mediana de un conjunto de números acomodados en orden de magnitud (es decir, en una

ordenación) es el valor central o la media de los dos valores centrales.

EJEMPLO 8 La mediana del conjunto de números 3, 4, 5, 6, 8, 8, 8

y 10 es 6.
En datos agrupados, la mediana se obtiene por interpolación,
como se expresa por la fórmula

donde

L1 = frontera inferior de la clase mediana (es decir, de la clase que contiene la mediana)
N = número de datos (es decir, la frecuencia total)
(∑f)1 = suma de las frecuencias de todas las clases anteriores a la clase mediana
fmediana = frecuencia de la clase mediana
c = amplitud del intervalo de la clase mediana

Geométricamente, la mediana es el valor de X (abscisa) que corresponde a una recta vertical que
divide al histograma en dos partes que tienen la misma área. A este valor de X se le suele denotar X
LA MODA

La moda de un conjunto de números es el valor que se presenta con más frecuencia; es decir, es el
valor más frecuente. Puede no haber moda y cuando la hay, puede no ser única.

EJEMPLO 10 La moda del conjunto 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12 y 18 es 9.

EJEMPLO 11 El conjunto 3, 5, 8, 10, 12, 15 y 16 no tiene moda.
EJEMPLO 12 El conjunto 2, 3, 4, 4, 4, 5, 5, 7, 7, 7 y 9 tiene dos modas, 4 y 7, por lo que se le llama
bimodal.

A una distribución que sólo tiene una moda se le llama unimodal. En el caso de datos agrupados,
para los que se ha construido una curva de frecuencia que se ajuste a los datos, la moda es el valor (o
los valores) de X que corresponden al punto (o puntos) máximos de la curva. A este valor de X se le
suele denotar ^ X. En una distribución de frecuencia o en un histograma la moda se puede obtener
mediante la fórmula siguiente:

donde L1 = frontera inferior de la clase modal (es decir, de la clase que contiene la moda)
Δ1 = exceso de frecuencia modal sobre la frecuencia en la clase inferior inmediata
Δ2 = exceso de frecuencia modal sobre la frecuencia en la clase superior inmediata
c = amplitud del intervalo de la clase modal

7. Medidas de Dispersión: rango, desviación media, varianza, desviación

Standard.

El grado de dispersión de los datos numéricos respecto a un valor promedio se llama dispersión o
variación de los datos. Existen varias medidas de dispersión (o variación); las más usadas son el
rango, la desviación media, el rango semiintercuartil, el rango percentil 10-90 y la desviación
estándar.

RANGO

El rango de un conjunto de números es la diferencia entre el número mayor y el número menor del
conjunto.

EJEMPLO 1 El rango del conjunto 2, 3, 3, 5, 5, 5, 8, 10, 12 es 12 − 2 = 10. Algunas veces el rango se da

mediante el número menor y el número mayor; así, por ejemplo, en el caso del conjunto anterior,
simplemente se indica de 2 a 12 o 2-12.
DESVIACIÓN MEDIA

La desviación media, o desviación promedio, de un conjunto de N números X1, X2, . . . , XN se abrevia

DM y está definida así:

Desviación media

donde X es la media aritmética de los números

es el valor absoluto de la desviación de Xj respecto de X. (El valor absoluto de un número es el
número sin signo; el valor absoluto de un número se indica por medio de dos barras verticales

colocadas a los lados del número, así

VARIANZA

La varianza de un conjunto de datos se define como el cuadrado de la desviación estándar y, por lo

tanto, corresponde al valor s2 en las ecuaciones (5) y (6). Cuando es necesario distinguir la desviación
estándar de una población de la desviación estándar de una muestra obtenida de esa población, se
suele emplear s para la última y σ (letra griega sigma minúscula) para la primera. De manera que s2 y
σ2 representan la varianza muestral y la varianza poblacional, respectivamente.

MÉTODO ABREVIADO PARA EL CÁLCULO DE LA DESVIACIÓN ESTÁNDAR

Las ecuaciones (5) y (6) se pueden expresar, respectivamente, mediante las fórmulas siguientes:

donde X2 representa la media de los cuadrados de los diversos valores de X, en tanto que X2 denota
el cuadrado de la media de los diversos valores de X (ver problemas 4.12 a 4.14). Si las dj = Xj − A son
las desviaciones de Xj respecto a una constante arbitraria A, las fórmulas (7) y (8) se transforman,
respectivamente, en
Cuando en una distribución de frecuencia se tienen datos agrupados y los intervalos de clase son de
un mismo tamaño c, se tiene dj = cuj, o Xj = A + cuj y la fórmula (10) se trasforma en

Esta última fórmula proporciona un método muy sencillo para el cálculo de la desviación estándar y
se recomienda su uso para datos agrupados, siempre que los intervalos de clase sean de un mismo
tamaño. A este método se le llama método de compilación y es exactamente análogo al empleado en
el capítulo 3 para calcular la media aritmética de datos agrupados.

DESVIACIÓN STANDARD.

1. La desviación estándar se puede definir como:

dónde a es un promedio cualquiera además de la media aritmética. De

todas las desviaciones estándar, la mínima es aquella en la que a = X,
debido a la propiedad 2 del capítulo 3. Esta propiedad es una razón
importante para definir la desviación estándar como se definió antes. En el
problema 4.27 se presenta una demostración de esta propiedad.

2. En las distribuciones normales se encuentra que:

a) 6 8.27% de los casos está comprendido entre X − s y X + s (es decir, una desviación estándar a
cada lado de la media).

b) 9 5.45% de los casos está comprendido entre X − 2s y X + 2s (es decir, dos desviaciones estándar a
cada lado de la media).

c) 9 9.73% de los casos está comprendido entre X − 3s y X + 3s (es decir, tres desviaciones estándar a
cada lado de la media).

En distribuciones moderadamente sesgadas, estos porcentajes se satisfacen de manera aproximada.

 3. Supóngase que dos conjuntos que constan de N1 y N2 números (o dos distribuciones de
frecuencia con frecuencias totales N1 y N2) tienen varianzas s2 1 y s2 2, respectivamente,
y una misma media X. Entonces, la varianza combinada o conjunta de los dos conjuntos
(o de las dos distribuciones de frecuencia) está dada por

4. El teorema de Chebyshev establece que para k > 1, por

lo menos (1 − (1/k2)) × 100% de la distribución de
probabilidad de cualquier variable está a no más de k
desviaciones estándar de la media. En particular, para k = 2, por lo menos (1 − (1/22)) ×
100% o bien 75% de los datos está en el intervalo (x-2S, x + 2S); para k = 3, por lo menos
(1 − (1/32)) × 100% u 89% de los datos está en el intervalo (x-3S, 3S), y para k = 4, por lo
menos (1 − (1/42)) × 100% o bien
93.75% de los datos está en el
intervalo (x-4S, x + 4S).

III. PROBABILIDAD
1. Definición: a priori, frecuencista,
axiomática.
Esta definición es de uso limitado puesto que
descansa sobre la base de las siguientes dos
condiciones:

1. El espacio muestra de todos los resultados posibles S es finito.

2. Los resultados del espacio muestra deben ser igualmente probables.

Bajo estas condiciones y si A es el evento formado por n(A) resultados del

espacio muestra y, el número total de resultados posibles es n(S), entonces

Ejemplo:  Si se extrae una carta de un paquete de 52 cartas de las cuales 26 son

negras (13 espadas A, 2, 3,    , 10, J, Q, K; 13 son tréboles); y 26 son rojas (13 corazones y 13
diamantes), la probabilidad de que la carta sea un as es  porque el evento de "extraer un
as" consta de 4 de los 52 resultados igualmente probables. La probabilidad de que la carta sea negra

es  y la probabilidad de que sea un diamante es  .

DEFINICIÓN EMPÍRICA "A POSTERIORI" 0 FRECUENCIAL

La definición clásica se ve limitada a situaciones en las que hay un número finito de resultados
igualmente probables. Por desgracia, hay situaciones prácticas que no son de este tipo y la definición
de Laplace no se puede aplicar. Por ejemplo, si se pregunta por la probabilidad de que un paciente se
cure mediante cierto tratamiento médico, o la probabilidad de que una determinada máquina
produzca artículos defectuosos, entonces no hay forma de introducir resultados igualmente
probables. Por ello se necesita un concepto más general de probabilidad. Una forma de dar
respuesta a estas preguntas es obtener algunos datos empíricos en un intento por estimar las
probabilidades.

Supongamos que efectuamos un experimento n veces y que en esta serie de n ensayos el evento A
ocurre exactamente r veces, entonces la frecuencia relativa del evento es ,o sea,

Si continuamos calculando
esta frecuencia relativa cada
cierto número de ensayos, a
medida que aumentamos n,
las frecuencias relativas
correspondientes serán más
estables; es decir; tienden a
ser casi las mismas; en este
caso decimos que el
experimento muestra
regularidad estadística o
estabilidad de las
frecuencias relativas. Esto se
ilustra en la siguiente tabla,
de una moneda lanzada al
aire 1000 veces.
En un total de 1000 lanzamientos ocurrieron 508 caras, es decir la frecuencia relativa es
aproximadamente 0.50.

Tres investigadores realizaron

experimentos y obtuvieron los
siguientes resultados:

DEFINICIÓN AXIÓMATICA DE KOLMOGOROV

Las definiciones anteriores son netamente empíricas o experimentales, sin embargo después de
establecer una forma de determinar la probabilidad experimentalmente, se pueden deducir leyes o
propiedades de la probabilidad en forma lógica o computacional bajo ciertas suposiciones llamados
axiomas de la probabilidad.

La probabilidad de un evento A se define como el número P(A), tal que cumple con los siguientes
axiomas:

AXIOMA 1: La probabilidad P(A) de cualquier evento no debe ser menor que cero ni mayor que
uno: 0  <  P(A)  <  1

AXIOMA 2: P(S) = 1

AXIOMA 3: Si A y B son dos eventos mutuamente exclusivos (A  Ç  B =  Æ  ), entonces: P (A  È  B) = P(A)

+ P(B)

Toda la teoría elemental de la probabilidad está construida sobre las bases de estos tres simples
axiomas.

Si el espacio muestral es infinito, debemos reemplazar el axioma 3 por el

AXIOMA 4: Si A1, A2, … son eventos mutuamente exclusivos, entonces tenemos que

P(A1  È  A2  È  …) = P(Al) + P(A2) +…+

3. Teoría de Conjuntos: propiedades, operaciones, axiomas.

Para intentar formalizar la Teoría de Conjuntos supondremos que tenemos algunos objetos

primitivos como números o letras y llamamos conjunto a una colección de objetos primitivos u otros
conjuntos si ésta es construida a partir de los siguientes axiomas.
1   Esquema de Comprensión. Si   es un conjunto y   es una propiedad, la colección de los

elementos en   que cumplen la propiedad   es un conjunto al que denotamos  .

2   Axioma del Par. Si   y   son dos objetos, es decir, objetos primitivos o conjuntos, la colección

que tiene por elementos a   y   es un conjunto al que denotamos  .

3   Axioma de la Unión. Si   es un conjunto de conjuntos, es decir, un conjunto cuyos elementos
son conjuntos, la colección cuyos elementos son los elementos de los elementos de   es un

conjunto al que denotamos  .

4   Axioma del Conjunto Potencia. Si   es un conjunto, la colección que tiene por elementos a los

subconjuntos de   es un conjunto al que denotamos  .

5   Axioma del Infinito La colección que tiene por elementos a los números naturales   es
un conjunto al que denotamos  .

6   Axioma de Reemplazo. Si   es un conjunto y para cada elemento   de   se tiene un

conjunto  , la colección que tiene por elementos a los conjuntos   para toda   en   es un

conjunto al que denotamos   o  .

A los conjuntos construidos de esta manera los llamamos familias de conjuntos y al conjunto   lo
llamamos el conjunto de índices de la familia.

Observa que dos conjuntos son iguales si y sólo si como colecciones son iguales, es decir, si y sólo si
tienen los mismos elementos.

Definición 1   Si   y   son dos conjuntos, decimos que   está contenido en   y

escribimos   si todo elemento de   es también un elemento de  .

En particular, dos conjuntos   y   son iguales si y sólo si   está contenido en   y   está
contenido en  .
4. Espacios, experimentos y eventos: experimentos determinísticos y aleatorios, espacio
muestral, eventos mutuamente excluyentes y complementarios, Álgebra de eventos,
Espacio de probabilidad.

Fenómeno: Un fenómeno es considerado como un sinónimo de un experimento y se define como

toda aquella acción que se realiza con el fin de observar el resultado.

Por la capacidad de predecir el resultado:

 Determinísticos: Es aquel fenómeno cuyo resultado se puede predecir con certeza.

 Aleatorios: Es que fenómeno en el cual no se puede predecir con certeza el resultado.

Por la capacidad enumerar los resultados:

 Continuos. Se considera un fenómeno como continuo cuando el número posible de

observaciones o resultados no es un
conjunto medible, es decir, los
resultados pueden tomar cualquier
valor.
 Discretos. Se considera un
fenómeno como discreto cuando el
número posible de observaciones o
resultados es un conjunto, en el cual
se puede determinar con certeza su
toman valores establecidos.

Espacio muestral. Es el conjunto de todos los

posibles resultados de un experimento; constituye el conjunto universal de todas las observaciones.
Se suele denotar por la letra S.

En general, un evento es un fenómeno aleatorio, es decir, aquel cuyo resultado depende del azar. En
la práctica si bien un evento puede denotar un conjunto total de resultados de experimentos, para
cual se utiliza la notación de conjuntos denominándolo por una letra mayúscula, en ocasiones denota
también un solo resultado de un fenómeno o experimento, es decir, un elemento de un conjunto.

 Evento: Algo que ocurre al azar

o Evento elemental: o simple es aquel cuyo espacio muestral está compuesto por un
solo elemento.
o Evento compuesto: aquel que en dos o más cantidades compone un espacio
muestral.
o Evento continuo: Es aque cuyo resultado que puede tomar cualquier valor
o Evento discreto. Es aque cuyo resultado sólo puede tomar determinados valores
 o Eventos mutuamente exluyentes: si se tienen dos eventos Ay B, los eventos
mutuamente excluyentes son aquellos en donde la ocurrencia de uno implica que el
otro no puede ocurrir.
o Eventos colectivamente exhaustivos. Son aquellos cuya unión conforma totalmente
el espacio muestral.
 Acto: Algo que ocurre con la intervención humana
 Hecho: algo que ocurre al azar con la intención humana

4. Técnicas de Conteo: Principios de multiplicación y adición, factorial de un número,

Ordenación con repetición, permutaciones y Combinaciones, Teorema del Binomio.

Teoría del conteo. También conocida

como análisis combinatorio; permite
determinar el número posible de
resultados lógicos que cabe esperar
al realizar algún experimento o
evento sin necesidad de enumerarlos
todos.

 Regla de la suma: si un
evento puede ocurrir de m
formas distintas y otro
puede ocurrir de n formas
distintas, existen entonces
m+n distintas formas en las
que los dos eventos pueden
ocurrir.
 Regla del producto: si un
evento puede ocurrir de m formas diferentes y otro puede ocurrir de n formas distintas,
existen entonces m x n distintas formas en las que los dos eventos pueden ocurrir.

Ejemplo. Se dispone de una urna que contiene esferas grabadas con alguna letra de acuerdo a lo
siguiente:

PRIMER EXPERIMENTO: de cuántas formas se puede seleccionar una sola esfera,

sin importar el alfabeto al que pertenezca la letra grabada en ella. La respuesta es:
se puede seleccionar una esfera con una letra latina o una con una letra griega.

Experimento 1 = {Selecciona una esfera{ --> 5 + 3=8

SEGUNDO EXPERIMENTO: De cuántas formas se puede seleccionar dos esferas simultáneamente si
cada una de ellas debe tener letras de alfabetos diferentes.

Experimento 2 = { Selecciona dos esferas {  5 x 3 = 15

Puede percibirse que en el primer experimento no hay relación alguna entre los alfabetos, ya
que no importa a cuál de ellos pertenece la letra grabada en la esfera; es decir, no hay dependencia
entre el evento A y B.

Por otra parte, en el segundo experimento si hay una relación directa entre los posibles
resultados, ya que deben ser las letras de cada una de las dos esferas de alfabetos diferentes.

En el experimento uno, hay independencia

entre los eventos. En el segundo, los eventos son
dependientes. Asociando estas definiciones a la lógica
matemática:

COROLARIO:

1. Cuando se trate de eventos independientes se aplica la regla de suma.

2. Cuando se trate de eventos dependientes se aplica la regla del producto.

5. Probabilidad condicional e independencia: Probabilidad condicional y de eventos

independientes.

6. Teorema de Bayes: importancia, componente, aplicación.