Interpretaciones de la

probabilidad: Si un
experimento es repetido n
La probabilidad es la oportunidad de veces bajo las mismas
que algo pueda suceder; un evento es condiciones, y el evento A
una o más de las respuestas de que ocurre m, veces, entonces la
sucede ese algo Propiedades básicas de la probabilidad:
probabilidad que “el evento A
Usar la Estadística para la toma de
decisiones y para llegar a ciertas ocurra”, denotada por P(A) es
conclusiones implica manejar algunas
EXPERIMENTOS ALEATORIOS Y ESPACIOS funciones medibles fundamentales para
MUESTRAL Y EVENTOS: Un experimento aleatorio
De aquí se desprende el análisis estadístico, particularmente
es aquel que proporciona diferentes resultados aun las que se refieren a la probabilidad.
cuando se repita siempre de la misma manera. Axiomas: Axioma 1 Para
cualquier evento A, P(A) ≥ 0
Un evento es un subconjunto del espacio muestral Axioma 2, P(S)=1.
de un experimento aleatorio. En la teoría de
probabilidad se habla a menudo de experimento. Probabilidad total y teorema de bayes: El cálculo
de dichas probabilidades recibe el nombre de
Técnicas del conteo: Si el número teorema de Bayes. En los problemas relacionados
de posibles resultados de un con la probabilidad, y en particular con la
experimento es pequeño, es probabilidad condicionada, así como con la
Espacio muestral: El Sucesos o eventos operaciones con probabilidad total y el teorema de Bayes, es
relativamente fácil listar y contar
conjunto de los posibles eventos: Se llama evento o suceso a todo aconsejable que, con la información del problema,
todos los posibles resultados. Al tirar
resultados de un experimento subconjunto de un espacio muestral. Por construyas una tabla de contingencia o un diagrama
un dado, por ejemplo, hay seis
de árbol.
aleatorio recibe el nombre de ejemplo en el espacio muestral E = {1, 2, posiblesSeresultados.
subdivide en:
espacio muestral del
3, 4, 5, 6} del lanzamiento de un dado, los
experimento. Denotaremos el
siguientes son eventos
espacio muestral con la letra S. Regla del exponente: Para
multiplicar factores exponenciales
que tienen la misma base y los
exponentes son enteros positivos
diferentes. Ejemplo x2.x4 x24 x6
 Principio fundamental del conteo:
puede definirse como la parte de la
matemática que se dedica al estudio de
los problemas relativos al cálculo del
número de formas diferentes en que
pueden agruparse una cantidad dada de
objetos, que poseen características
determinadas
Factorial de un Permutaciones y variaciones: Combinaciones: Una combinación es un arreglo donde el
número: El factorial de variaciones, Vn, m: sirve para orden NO es importante. La notación para las combinaciones
un número entero contar los diferentes grupos de m es C(n,r) que es la cantidad de combinaciones de “n”
positivo se define como elementos que se pueden formar elementos seleccionados, “r” a la vez. Es igual a la cantidad de
el producto de todos los en un conjunto de n elementos permutaciones de “n” elementos tomados “r” a la vez
números naturales (m < n). Los elementos no se dividido por “r” factorial. Esto sería P(n,r)/r! en notación
anteriores o iguales a él. pueden repetir e influye el orden matemática.
Se escribe n!, y se lee "n en el que los colocamos. V n , m =
factorial". (Por n!(n-m) Ejemplo: Si se seleccionan cinco cartas de un grupo de
definición el factorial de nueve, ¿cuantas combinaciones de cinco cartas habría?
0 es 1: 0!=1)
La cantidad de combinaciones posibles sería: P(9,5)/5! =
(9*8*7*6*5)/(5*4*3*2*1) = 126 combinaciones posibles.

Variables aleatorias y distribución de probabilidad

Distribuciones de Probabilidad
Continua: Hasta el momento se han
Esta tiene unas subramas considerado las distribuciones de
Teorema de probabilidad para variables discretas,
Chebyshev: Para donde se podía asignar el valor que
Variable aleatoria: Distribución Distribución de Poisson: Esta también toma la función de probabilidad
cualquier variable
Una variable aleatoria es
aleatoria X con media y uniforme discreta: La es discreta, en la que la variable aleatoria cuando la variable aleatoria tomaba
una función que asigna
desviación estándar σ, la variable aleatoria presenta un número de eventos un valor en concreto
un valor numérico a
Probabilidad de que X discreta más sencilla independientes que ocurre en una
cada suceso elemental
tome un valor contenido es aquella que toma
del espacio muestral. velocidad constante.
en k desviaciones sólo un número finito
Es decir, una variable
estándar de la media
aleatoria es una de valores posibles n,
siendo k una constante
variable cuyo valor cada uno con la
positiva.
numérico está misma probabilidad. Distribución
Discreta: Sea X Distribución Uniforme Distribución Normal: Es el modelo
determinado por el de distribución más utilizado en la
una v. a. discreta Hipergeométrica: En la Continua: Es una familia
resultado del práctica, ya que multitud de
que toma un distribución binomial se veía
experimento aleatorio. Continua: La v.a. de tipo de distribuciones de fenómenos se comportan según una
número finito de
La variable aleatoria la
continuo se tratará de que el muestreo se hacía con probabilidad para variables distribución normal. Esta
valores, r en
notaremos con letras forma diferente a como se reemplazo, asegurando la aleatorias continuas. La distribución de caracteriza porque
total, x1, x2,
en mayúscula X, Y, ... ha
y visto en el caso de v.a. independencia de los ensayos y los valores se distribuyen formando
….xi,…… xr. distribución es a menudo
con las letras en discreta, ya que en el caso la probabilidad constante. una campana de Gauss, en torno a
escrita en forma abreviada
minúscula x, y, ... suscontinuo no es posible un valor central que coincide con el
valores como U (a,b) valor medio de la distribución
asignar una probabilidad a Supóngaseahoraqueelmuestr
cada uno de los infinitos eoessin
posibles valores de la v.a.
reemplazo,casoenelcuallosen

Distribución Binomial: Las
distribuciones binomiales son
las más útiles dentro de las
distribuciones de probabilidad
discretas.
Es una distribución de
probabilidad discreta que mide
el número de éxitos en unas
secuencias de ensayos
independientes de Bernoulli.
nosonindependientes
Distribución Geométrica: Esta Distribución Binomial Negativo:
distribución es un caso especial Es una distribución de
de la Binomial, ya que se desea probabilidad discreta que incluye a
que ocurra un éxito por primera y la distribución de pascal.
única vez, en el último que se
realiza del experimento. Ejemplo: Ejemplo: f(k) Pxk (kr-1)pr-
1 k
q p. p= (kr-1) prqk ( r-1 )
P(xn) (1-p)n-1 p k kr-1
( )
Yunior Jose Bovea Segura

Mapa Conceptual.