Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad PDF
Probabilidad PDF
CONCEPTO DE PROBABILIDAD
I. de la Fuente y C. San Luis
INTRODUCCION: Definiciones previas
• Experimento Aleatorio: Aquel en el que sus resultados no se pueden establecer
con certeza.
• Espacio Muestral: Es el conjunto de todos los resultados posibles de un
experimento aleatorio. Se representa por E.
• Sucesos Elementales: Son los resultados posibles de un experimento aleatorio,
constituyen el espacio muestral asociado al experimento. Pueden ser:
o ciertos o seguros
o posibles :
o imposibles
La combinación de dos a más los sucesos elementales (pertenecientes a un
Experimento) da lugar a un suceso compuesto.
Ejemplo 1
1
_____________________________________________________________________________________
CONCEPTO DE PROBABILIDAD
La probabilidad se define a partir del concepto de frecuencia.
2
_____________________________________________________________________________________
de un caso favorable dividido por dos casos posibles, es decir, 1/2. Supongamos que
hacemos esta experiencia 20 veces, es decir tiramos una moneda 20 veces y vamos
anotando los resultados:
Si se representan gráficamente los datos del ejemplo (figura 1), se observa que
según aumenta el número de casos (lanzamientos), la línea quebrada que une las
frecuencias se ajusta más a la horizontal trazada en la ordenada 1/ 2, valor teórico de la
probabilidad definida por Laplace, con el que la frecuencia tiende a igualarse cuando el
número de repeticiones de la experiencia es muy elevado. A este fenómeno de
estabilización de las frecuencias se le conoce como “Ley del azar o ley de regularidad
estadística” o “Ley débil de los grandes números”.
Figura 1
1 ,2
0 ,8
0 ,6 S e rie 1
0 ,4
0 ,2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
3
_____________________________________________________________________________________
Axiomática de la probabilidad
Suponga que en un experimento aleatorio se necesita asignar a un suceso A, del
conjunto ℘(E)2, su probabilidad. Dicha probabilidad, P(A), será un número que debe
cumplir tres condiciones o axiomas. La primera se refiere a que dicha probabilidad
siempre ha de ser positiva, la segunda indica que si el citado suceso ocurrirá con
certeza, su probabilidad vale 1, y la tercera indica que la probabilidad que calculemos de
la unión de dos sucesos disjuntos se puede obtener como la suma de las probabilidades
individuales de los sucesos.
Axioma 1. Para cualquier suceso A∈℘(E), P(A)≥0
Axioma 2. P(E)=1
Axioma 3. Dados Ai (i=1,...,n) dos o más sucesos disjuntos, P (∪iAi)=∑iP(Ai)
PROPIEDADES DE LA PROBABILIDAD
Propiedades de la probabilidad
1. La probabilidad de un suceso cualquiera A, es un número menor que 1
2. La probabilidad del suceso complementario de un suceso dado, es igual a
P(A’)=1-P(A)
3. Si un suceso A está incluido en otro B, entonces P(A)<P(B)
4. La suma de las probabilidades de todos los sucesos elementales de un experimento
aleatorio vale 1
5. Si A y B son dos sucesos compatibles, P(A∪B)=P(A)+P(B)-P(A∩B)
2
Recuélese que ℘(E) representa la conjunto de las partes de E (espacio muestral)
4
_____________________________________________________________________________________
PROBABILIDAD CONDICIONADA
5
_____________________________________________________________________________________
DISTRIBUCIONES DE PROBABILIDAD
VARIABLE ALEATORIA
Suponga que se lanza una moneda al aire cuatro veces consecutivas y se anota el
resultado. El espacio muestral asociado al experimento sería:
3
La probabilidad del suceso A/B se puede calcular también utilizando la expresión analítica correspondiente definida
anteriormente.
6
_____________________________________________________________________________________
Tabla 1
E X
CaCaCaCa 4
CaCaCaCr
CaCaCrCa 3
CaCrCaCa
CrCaCaCa
CaCaCrCr
CaCrCaCr
CaCrCrCa 2
CrCaCaCr
CrCaCrCa
CrCrCaCa
CaCrCrCr
CrCaCrCr
CrCrCaCr 1
CrCrCrCa
CrCrCrCr 0
Una variable se dice discreta si puede tomar un número finito o infinito numerable de
valores. Una variable se dice continua si puede tomar un número infinito no
numerable de valores. En el primer caso se tiene un espacio muestral discreto, finito o
infinito, y en el segundo caso se trata de un espacio muestral continuo.
7
_____________________________________________________________________________________
FUNCIÓN DE DISTRIBUCION
La función de distribución F de una variable aleatoria X es una función definida para
cada número real x, del modo siguiente:
F(x) = P(X≤x) para -∞<x<∞
FUNCION DE PROBABILIDAD
i=n
1. Si X toma valores x1, x2, ... , xn, entonces ∑ f (x ) = 1
i =1
i
FUNCION DE DISTRIBUCION
1. F(x) es no decreciente a medida que x crece, es decir, x1<x2 ⇒ F(x1)≤F(x2).
2. limx→-∞F(x)=0 y limx→∞F(x)=1
3. F(x) siempre es continua por la derecha, es decir, F(x)=F(x+) en todo punto x.
4. P(a<x<b)=F(b) – F(a)
8
_____________________________________________________________________________________
FUNCION DE DISTRIBUCION
La función de distribución de una variable aleatoria continua X es aquella función F que
asigna a cada valor x∈X la probabilidad de que la variable tome valores menores o
iguales a x.
x
F( x ) = P(X ≤ x ) = ∫ f ( x )dx
−∞
La función de distribución tiene las siguientes propiedades:
9
_____________________________________________________________________________________
Las propiedades del valor esperado y varianza, siguen siendo las que se
estudiaron en el caso de una variable aleatoria discreta.
10
_____________________________________________________________________________________
Así, el lanzamiento de una moneda al aire es una prueba de Bernoulli, donde los dos
resultados posibles son “salir cara” y “salir cruz”, y cuyas probabilidades de ocurrencia
son p=1/2=q.
La función de probabilidad de una variable de Bernoulli, tiene la forma siguiente:
f(x)=px.q1-x
Hay muchas situaciones en las que se manejan variables para las que sólo son
posibles dos resultados. Es decir, si se estudian sujetos que son varones o mujeres en un
estudio sociológico, que poseen o no determinado trastorno, que presentan o no
movimientos oculares rápidos en un experimento sobre el sueño, dichas variables
tienen un comportamiento que puede ser modelizado por una distribución Bernoulli.
Habitualmente, cuando se manejan proporciones de individuos que poseen cierta
característica dicotómica, es decir, con dos valores posibles, se consideran más de una
prueba de Bernoulli, lo que significa la utilización del modelo de probabilidad
Binomial, que introducimos seguidamente.
Distribución Binomial
DISTRIBUCION BINOMIAL
Supongamos que se realizan n pruebas independientes de Bernoulli en las que la
probabilidad de éxito, p, se mantiene constante. Es decir, considere la variable X
definida como el número de éxitos en las n pruebas de Bernoulli, X=X1+...+Xn. La
variable así definida sigue una distribución binomial de parámetros n y p.
X→B(n,p)
11
_____________________________________________________________________________________
DISTRIBUCION DE POISSON
Una variable aleatoria X, que tiene una distribución binomial con parámetros n y p, en
la que n→∞ y p→0, es decir, en la que n es muy grande y p muy pequeña, se dice que
tiene una distribución de Poisson de parámetro λ=np.
X→P(λ)
La función de probabilidad de una variable que sigue una ley de Poisson de parámetro
λ, tiene la forma siguiente:
e − λ λx
f ( x) =
x!
12
_____________________________________________________________________________________
DISTRIBUCION NORMAL
Una variable continua X sigue una distribución N(µ, σ 2 ) , una distribución Normal con
media µ y varianza σ2, si su función de densidad de probabilidad es la siguiente:
2
1 x −µ
1 −
σ
f () = e 2 para − ∞ < x < ∞
2 πσ
Propiedades:
- La distribución Normal es simétrica respecto al punto x=µ
- Alcanza su máximo en x=µ
- Tiene dos puntos de inflexión en x=µ+σ y x=µ-σ
- Tiene forma de campana
- Si una variable aleatoria X tiene una distribución Normal, cualquier combinación de
X tiene una distribución Normal
13
_____________________________________________________________________________________
DISTRIBUCIÓN Ji-Cuadrado
Una variable continua X sigue una distribución Ji-Cuadrado con n grados de libertad, y
se nota χ 2n si se obtiene del modo siguiente:
X → χ 2n si X = Z12 + Z 22 + ... + Z 2n t.q. Z i → N(0,1)
Sus parámetros son:
E[X ] = n y V(X ) = 2n
DISTRIBUCIÓN t-Student
Una variable continua X sigue una distribución t con n grados de libertad, y se nota tn, si
se obtiene del modo siguiente:
Z
X → tn si X = t.q. W → χ 2n y Z → N(0,1)
W
n
Sus parámetros son:
E[tn]=0 y V(t n ) =
n
n−2
DISTRIBUCIÓN F DE FISHER-SNÉDECOR
14
_____________________________________________________________________________________
15
_____________________________________________________________________________________
16