PROBABILIDAD

La teoría de la probabilidad es la parte de las matemáticas que se encarga del estudio de los
fenómenos o experimentos aleatorios. Por experimento aleatorio en-tenderemos todo aquel
experimento que cuando se le repite bajo las mismas condiciones iniciales, el resultado que se
obtiene no siempre es el mismo. El ejemplo más sencillo y cotidiano de un experimento aleatorio es
el de lanzar una moneda o un dado, y aunque estos experimentos pueden parecer muy sencillos,
algunas personas los utilizan para tomar decisiones en sus vidas.
Probabilidad Clásica o Aleatoria
Se define la probabilidad de que un evento ocurra como: 
Número de resultados en los que se presenta el evento / número total de resultados posibles. 
Cada uno de los resultados posibles debe ser igualmente posible. 
La probabilidad clásica, a menudo, se le conoce como probabilidad a priori, debido a que si
utilizamos ejemplos previsibles como monedas no alteradas, dados no cargados y mazos de barajas
normales, entonces podemos establecer la respuesta de antemano, sin necesidad de lanzar una
moneda, un dado o tomar una carta. No tenemos que efectuar experimentos para poder llegar a
conclusiones. 
Probabilidad de frecuencia relativa de presentación
Se la define como:
La frecuencia relativa observada, de un evento durante un gran número de intentos.
La fracción de veces que un evento se presenta a la larga, cuando las condiciones son estables. 
Este método utiliza la frecuencia relativa de las presentaciones pasadas de un evento como una
probabilidad. Determinamos qué tan frecuente ha sucedido algo en el pasado y usamos esa cifra
para predecir la probabilidad de que suceda de nuevo en el futuro. 
Cuando utilizamos el planteamiento de frecuencia relativa para establecer probabilidades, el
número que obtenemos como probabilidad adquirirá mayor precisión a medida que aumentan las
observaciones. 
Probabilidad Subjetivas
Las probabilidades subjetivas están basadas en las creencias de las personas que efectúan la estimación de probabilidad.
La probabilidad subjetiva se puede definir como la probabilidad asignada a un evento por parte de un individuo, basada en
la evidencia que se tenga disponible. Esa evidencia puede presentarse en forma de frecuencia relativa de presentación de
eventos pasados, o puede tratarse simplemente de una creencia meditada. 
Las valoraciones subjetivas de la probabilidad permiten una más amplia flexibilidad que los otros dos planteamientos. Los
tomadores de decisiones puede hacer uso de cualquier evidencia que tengan a mano y mezclarlas con los sentimientos
personales sobre la situación. 

Probabilidad Frecuencial
La probabilidad frecuencial o empírica es la que se fundamenta en los datos obtenidos por
encuestas, preguntas o por una serie larga de realizaciones de un experimento. 
El cálculo de la probabilidad de un evento y la frecuencia relativa del mismo es lo que se conoce
como probabilidad frecuencial. 
Para determinar la probabilidad frecuencial, se repite el experimento aleatorio un número
determinado de veces, se registran los datos y se divide el número de veces que se obtiene el
resultado que nos interesa, entre el número de veces que se realizó el experimento.
Probabilidad Axiomática
Los axiomas de probabilidad son las condiciones mínimas que deben verificarse para que una
función que definimos sobre unos sucesos determine consistentemente valores de probabilidad
sobre dichos sucesos.
En la definición axiomática de la probabilidad no se establece la forma explícita de calcular las
probabilidades sino únicamente se proponen las reglas que el cálculo de probabilidades debe
satisfacer.

Evento o Suceso. Se llama evento o suceso a todo subconjunto de un espacio muestral. Por ejemplo en
el espacio muestral E = {1, 2, 3, 4, 5, 6} del lanzamiento de un dado, los siguientes son eventos:

1. Obtener un número primo A = {2, 3, 5}

2. Obtener un número primo y par B = {2}
3. Obtener un número mayor o igual a 5 C = {5, 6}

Espacio Muestral.- Se llama espacio muestral (E) asociado a un experimento aleatorio, el conjunto de
todos los resultados posibles de dicho experimento.

Al lanzar una moneda, el espacio muestral es E = {sale cara, sale sello} ó E = {c, s}. 

Al lanzar un dado de seis caras, el espacio muestral es 

E = {sale 1, sale 2, sale 3, sale 4, sale 5, sale 6} 
ó E = {1, 2, 3, 4, 5, 6}

Al lanzar dos monedas, el espacio muestral es 

E = {(c,c), (c,s), (s,c), (s,s)}. 

Al lanzar tres monedas, el espacio muestral es E = {(c,c,c), (c,c,s), (c,s,c), (c,s,s), (s,c,c), (s,c,s), (s,s,c),
(s,s,s)}

Eventos mutuamente excluyentes.- Dos eventos son mutuamente excluyentes si no pueden ocurrir en

forma simultánea, esto es, si y sólo si su intersección es vacía. Por ejemplo, en el lanzamiento de un dado
los eventos B = {2} y C = {5, 6} son mutuamente excluyentes por cuanto 
B   C = 

Eventos Complementarios.- Si A   B =   y A   B = E, se dice que A y B son eventos complementarios:

Ac = B y 
Bc = A

Su Medición Matemática o Clásica. Si en un experimento aleatorio todos los resultados son

equiprobables (iguales probabilidades), es decir, la ocurrencia de uno es igualmente posible que la
ocurrencia de cualquiera de los demás, entonces, la probabilidad de un evento A es la razón: 
P(A) = número de casos favorables para A/número total de casos posibles 

A partir de esta definición las probabilidades de los posibles resultados del experimento se pueden
determinar a priori, es decir, sin realizar el experimento.

Se deduce de la definición lo siguiente:

0   P(A)   1 La medición probabilística es un número real entre 0 y 1, inclusive, ó 0%   P(A)   100% en
porcentaje. 
P( ) = 0 y P(E) = 1

Su Medición Experimental o Estadística.- La frecuencia relativa del resultado A de un experimento es

la razón 
FR = número de veces que ocurre A/número de veces que se realiza el experimento 

Si el experimento se repite un número grande de veces, el valor de FR se aproximará a la medición

probabilística P del evento A. Por ejemplo, si lanzo 100 veces una moneda, el número de veces que
obtengo cara es cercano a 50, o sea FR es cercano a 50%.

Suceso elemental
Suc eso el emental   e s cad a un o de lo s e le m en to s q ue fo r m an p ar te d e l
e sp acio mue stral.
Ejemplo
T iran d o u n d ad o un su ce so e le m en tal e s sacar 5 .
Suceso compuesto
Suc eso c o mpuesto   e s cu alq u ie r sub co n ju n to de l e sp acio mu e str al.
Ejemplo
 T iran d o u n d ad o un su ce so se r ía qu e salie r a par , o tr o , o b te ne r m ú ltip lo d e
3.
Suceso seguro
Suc eso segur o , E,   e stá fo rm ado p or tod o s lo s p o sib le s r e su ltad o s ( e s
de cir, po r el e sp acio mue stral) .
Ejempl o :  
T iran d o u n d ad o ob ten e r u n a p un tu ació n q ue se a m en o r qu e 7 .
Suceso imposible
Suc eso i mpo si bl e ,   , e s e l q ue no tien e n ing ún e le m en to .
Ejempl o :  
T ir and o un dado o b te ne r un a pu n tu ació n igu al a 7 .
Sucesos compatibles
Do s su ce so s, A y B, son co mp atib le s cu an do tie ne n alg ún su ce so e le me n tal
co mú n .
Ejempl o :  
Si A e s sacar p un tu ació n p ar al tir ar u n d ad o y B es o b te ne r mú ltip lo d e 3 , A
y B so n co mp atib le s po rq u e e l 6 e s un su ce so e le m en tal co m ú n .
Sucesos incompatibles
Do s su ce so s, A y B, son   i nc o mp ati b l es   cu an d o n o tie ne n ning ú n e le m e n to
en co mú n .
Ejempl o :  
Si A e s sacar p un tu ació n p ar al tir ar u n d ad o y B es o b te ne r mú ltip lo d e 5 , A
y B so n in co mp atib le s.
Sucesos independientes
Do s su ce so s, A y B, son ind ep en d ien te s cu and o la p r ob ab ilid ad de qu e
su ced a A no se ve af e ctad a po rq ue h aya su ce d id o o n o B.
Ejempl o :  
Al laz ar d o s d ad o s lo s re su ltad o s so n in de pe nd ie n te s.
Sucesos dependientes
Do s su ce so s, A y B, son d ep en dien te s cu and o la pr ob ab ilid ad d e qu e
su ced a A se ve af e ctad a po rq ue h aya su ce d id o o n o B.
Ejempl o :  
Extrae r do s cartas de un a b araj a, sin r ep o sició n , so n su ce so s d ep en die n te s.
Suceso contrario
E l su ce so con trario a A e s o tro su ce so q ue se re aliz a cu and o no se r e aliz a
A. Se de no ta p o r   .
Ejempl o :  
Son su ce so s con trario s sacar p ar e im p ar al lan z ar un dad o .

MUESTREO : Selección de un conjunto de personas o cosas que se consideran representativos del

grupo al que pertenecen, con la finalidad de estudiar o determinar las características del grupo.

"para hacer una buena encuesta se necesita antes hacer un buen muestreo"

CLASES DE MUESTREO

 Muestreo probabilístico (aleatorio): En este tipo de muestreo, todos los individuos de la población
pueden formar parte de la muestra, tienen probabilidad positiva de formar parte de la muestra. Por lo tanto es el
tipo de muestreo que deberemos utilizar en nuestras investigaciones, por ser el riguroso y científico.
Muestreo aleatorio simple

En un muestreo aleatorio simple todos los individuos tienen la misma probabilidad de ser seleccionados. La
selección de la muestra puede realizarse a través de cualquier mecanismo probabilístico en el que todos los
elementos tengan las mismas opciones de salir. Por ejemplo uno de estos mecanismos es utilizar una tabla de
números aleatorios, o también con un ordenador generar números aleatorios, comprendidos entre cero y uno, y
multiplicarlos por el tamaño de la población, este es el que vamos a utilizar.
Muestreo aleatorio estratificado

Es frecuente que cuando se realiza un estudio interese estudiar una serie de subpoblaciones (estratos) en la
población, siendo importante que en la muestra haya representación de todos y cada uno de los estratos
considerados. El muestreo aleatorio simple no nos garantiza que tal cosa ocurra. Para evitar esto, se saca una
muestra de cada uno de los estratos.

Hay dos conceptos básicos:

 Estratificación: El criterio a seguir en la formación de los estratos será formarlos de tal manera que haya la
máxima homogeneidad en relación a la variable a estudio dentro de cada estrato y la máxima heterogeneidad
entre los estratos.

 Afijación: Reparto del tamaño de la muestra en los diferentes estratos o subpoblaciones. Existen varios
criterios de afijación entre los que destacamos:

1. Afijación igual: Todos los estratos tienen el mismo número de elementos en la muestra.

2. Afijación proporcional: Cada estrato tiene un número de elementos en la muestra proporcional a

su tamaño.

3. Afijación Neyman: Cuando el reparto del tamaño de la muestra se hace de forma proporcional al
valor de la dispersión en cada uno de los estratos.

Muestreo aleatorio sistemático

Es un tipo de muestreo aleatorio simple en el que los elementos se seleccionan según un patrón que se inicia con
una elección aleatoria.
Considerando una población de N elementos, si queremos extraer una muestra de tamaño n, partimos de un
número h=N/n, llamado coeficiente de elevación y tomamos un número al azar acomprendido entre 1 y h que se
denomina arranque u origen.

La muestra estará formada por los elementos: a, a+h, a+2h,....a+(n-1)h.

De aqui se deduce que un elemento poblacional no podrá aparecer más de una vez en la muestra. La muestra será
representativa de la población pero introduce algunos sesgos cuando la población está ordenada en función de
determinados criterios.
Muestreo aleatorio por conglomerados o áreas

Mientras que en el muestreo aleatorio estratificado cada estrato presenta cierta homogeneidad, un conglomerado
se considera una agrupación de elementos que presentan características similares a toda la población.

Por ejemplo, para analizar los gastos familiares o para controlar el nivel de audiencia de los programas y cadenas
de televisión, se utiliza un muestreo por conglomerados-familias que han sido elegidas aleatoriamente. Las familias
incluyen personas de todas las edades, muy representativas de las mismas edades y preferencias que la totalidad
de la población.

Una vez seleccionados aleatoriamente los conglomerados, se toman todos los elementos de cada uno para formar
la muestra. En este tipo de muestreo lo que se elige al azar no son unos cuantos elementos de la población, sino
unos grupos de elementos de la población previamente formados. Elegidos estos grupos o "conglomerados" en un
número suficiente, se pasa posteriormente a la elección, también al azar, de los elementos que han de ser
observados dentro de cada grupo, o bien, según se desee, a la observación de todos los elementos que componen
los grupos elegidos.

 Muestreo no probabilístico (no aleatorio): En este tipo de muestreo, puede haber clara influencia de la
persona o personas que seleccionan la muestra o simplemente se realiza atendiendo a razones de comodidad.
Salvo en situaciones muy concretas en la que los errores cometidos no son grandes, debido a la homogeneidad
de la población, en general no es un tipo de muestreo riguroso y científico, dado que no todos los elementos de
la población pueden formar parte de la muestra. Por ejemplo, si hacemos una encuesta telefónica por la
mañana, las personas que no tienen teléfono o que están trabajando, no podrán formar parte de la muestra.

IMPORTANCIA DEL MUESTREO EN ESTADISTICA

Es de vital importancia ya que un muestreo de toda la población puedes examinar y sacar

conclusiones en base a una pequeña parte de la población total, dando por sentado que los
resultados obtenidos en la muestra es de hecho representativa de toda la población, una ventaja
muy grande es que es mucho más sencillo trabajar con una pequeña parte de un todo. 

1) Por lo general no se pueden estudiar a las poblaciones en su totalidad, entonces estaremos

obligados a hacer el muestreo. 
2) Es más rápido y económico para conocer los parámetros (características) de interés de la
población. 
3) Existe metodología clara y confiable para el muestreo (y tamaño de muestra).

Muestra:  es un subconjunto de casos o individuos de una población. En diversas aplicaciones interesa

que una muestra sea una muestra representativa y para ello debe escogerse una técnica de muestra
adecuada que produzca una muestra aleatoria adecuada ( se obtiene una muestra sesgada cuyo interés
y utilidad es más limitado dependiendo del grado de sesgo que presente).
Como un subgrupo o subconjunto representativo de la población, extraída seleccionada por algún método
de muestreo. La muestra siempre es una parte de la población. Si se tienen varias poblaciones, entonces
se tendrán varias muestras. La muestra debe poseer toda la información deseada para tener la
posibilidad de extraerla, esto solo se puede lograr con una buena selección de la muestra y un trabajo
muy cuidadoso y de alta calidad en la recogida de datos.

¿Cómo determinar el tamaño de una muestra?

Determinar el tamaño de la muestra que se va a seleccionar es un paso importante en cualquier estudio

de investigación de mercados, se debe justificar convenientemente de acuerdo al planteamiento del
problema, la población, los objetivos y el propósito de la investigación.

La fórmula para calcular el tamaño de muestra cuando se conoce el tamaño de la

población es la siguiente: En donde, N = tamaño de la población Z = nivel de confianza, P
= probabilidad de éxito, o proporción esperada Q = probabilidad de fracaso D = precisión
(Error máximo admisible en términos de proporción).

CÁLCULO DEL TAMAÑO DE LA MUESTRA DESCONOCIENDO EL TAMAÑO DE LA POBLACIÓN

La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño de la población es la
siguiente:

En donde
Z = nivel de confianza,
P = probabilidad de éxito, o proporción esperada 
Q = probabilidad de fracaso 
D = precisión (error máximo admisible en términos de proporción)

CÁLCULO DEL TAMAÑO DE LA MUESTRA CONOCIENDO EL TAMAÑO DE LA POBLACIÓN

La fórmula para calcular el tamaño de muestra cuando se conoce el tamaño de la población es la
siguiente:

En donde, N = tamaño de la población Z = nivel de confianza, P = probabilidad de éxito, o proporción

esperada Q = probabilidad de fracaso D = precisión (Error máximo admisible en términos de proporción).

¿De qué depende el tamaño muestral?

El tamaño muestral dependerá de decisiones estadísticas y no estadísticas, pueden incluir por ejemplo la
disponibilidad de los recursos, el presupuesto o el equipo que estará en campo.

Antes de calcular el tamaño de la muestra necesitamos determinar varias cosas:

1. Tamaño de la población. Una población es una colección bien definida de objetos o individuos que
tienen características similares. Hablamos de dos tipos: población objetivo, que suele tiene diversas
características y también es conocida como la población teórica. La población accesible es la población
sobre la que los investigadores aplicaran sus conclusiones.
2. Margen de error (intervalo de confianza). El margen de error es una estadística que expresa la
cantidad de error de muestreo aleatorio en los resultados de una encuesta, es decir, es la medida
estadística del número de veces de cada 100 que se espera que los resultados se encuentren dentro de
un rango específico.

3. Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor con una
determinada probabilidad alta. Por ejemplo, un intervalo de confianza de 95% significa que los resultados
de una acción probablemente cubrirán las expectativas el 95% de las veces.

4. La desviación estándar. Es un índice numérico de la dispersión de un conjunto de datos (o

población). Mientras mayor es la desviación estándar, mayor es la dispersión de la población.

ELEMENTOS NECESARIOS PARA DETERMINAR EL TAMAÑO DE LA MUESTRA

1. Nivel de precisión
El nivel de precisión, también llamado error de muestreo, es el rango en donde se estima que está el
valor real de la población. Este rango se expresa en puntos porcentuales. Por lo tanto, si un investigador
descubre que el 70% de los agricultores de la muestra han adoptado una tecnología recomendada con
una tasa de precisión de ~+mn~ 5%, el investigador puede concluir que entre el 65% y el 75% de los
agricultores de la poblaciónhan adoptado la nueva tecnología.

2. Nivel de confianza

El intervalo de confianza es la medida estadística del número de veces de cada 100 que se espera que los
resultados se encuentren dentro de un rango específico.
Por ejemplo, un intervalo de confianza de 90% significa que los resultados de una acción probablemente cubrirán
las expectativas el 90% de las veces.

La idea básica descripta en el Teorema del límite central es que cuando una población se muestrea muchas veces,
el valor promedio de un atributo obtenido es igual al valor real de la población. En otras palabras, si un intervalo de
confianza es del 95%, significa que 95 de 100 muestras tendrán el valor real de la población dentro del rango de
precisión.

3. Grado de variabilidad

Dependiendo de la población objetivo y los atributos a considerar, el grado de variabilidad varía

considerablemente. Cuanto más heterogénea sea una población, mayor deberá ser el tamaño de la
muestra para obtener un nivel óptimo de precisión. Ten en cuenta que una proporción de 55% indica un
nivel más alto de variabilidad que un 10% o un 80%. Esto se debe a que 10% y 80% significa que una
gran mayoría no posee o posee el atributo en cuestión.
Existen muchos enfoques para determinar el tamaño de la muestra, incluyendo el uso de un censo en el
caso de poblaciones más pequeñas, el uso de tablas publicadas, imitar un tamaño de muestra de
estudios similares y aplicar fórmulas para calcular un tamaño de la muestra.

TABLA DE CALCULO DEL TAMAÑO DE UNA MUESTRA POR NIVELES DE CONFIANZA

http://www5.uva.es/estadmed/probvar/probabilidad/probabil2.htm

Sucesos
Un suceso es una afirmación referente a los resultados de un experimento aleatorio. Como veremos en
los siguientes ejemplos, puede entenderse un suceso como un subconjunto del espacio muestral,
formado por los resultados del experimento para los que el suceso es cierto.

Una vez realizado el experimento, de un suceso se dice que ocurre (se verifica) o que no ocurre (no se
verifica). Un suceso   ocurre cuando el resultado del experimento, , está en A.

Los sucesos se clasifican en

 elementales ( , con un solo resultado)

 compuestos (unión de varios elementales).

Se llama suceso seguro al que consta de todos los sucesos elementales,   y suceso imposible al que
no tiene ningún elemento del espacio muestral, se denota por  . El suceso seguro ocurre siempre, y el
suceso imposible no ocurre nunca.

Por ejemplo,

 Del experimento "lanzar un dado" obtenemos un espacio muestral {1, 2, 3, 4, 5, 6}. Veamos

algunos sucesos:

obtener un número par =

obtener un 2 = {2}
{ 2, 4, 6}

obtener un n�mero primo = {1, 2, 3, 5}

 Del experimento "sacar una carta de una baraja española" obtenemos un espacio muestral

formado por las 40 cartas. Algunos sucesos se muestran en la siguiente figura:

  

salir oros =

salir espada y figura =

Operaciones entre sucesos: los sucesos son subconjuntos del espacio muestral, entonces, se unen, se
cortan o se complementan del mismo modo que los subconjuntos de cualquier conjunto. En concreto,

 Unión de sucesos:  , serán los resultados del experimento que están en A o en B.

Por ejemplo, si A={salir par al lanzar un dado} = {2, 4, 6} y B={salir múltiplo de 3 al lanzar

un dado} = {3, 6},

entonces A U B= {2, 3, 4, 6}

 Intersección de sucesos:  , serán los puntos que son de A y de B.

Por ejemplo, si A={salir par al lanzar un dado} = {2, 4, 6} y B={salir múltiplo de 3 al lanzar

un dado} = {3, 6},

entonces  = {6}

 Complementación,  , son los puntos que no están en A.

Por ejemplo, si A={salir par al lanzar un dado} = {2, 4, 6} y B={salir múltiplo de 3 al lanzar

un dado} = {3, 6},

 entonces,  = {salir impar}= {1, 3, 5} y  ={ 1, 2, 4, 5}

 Diferencia de sucesos,  , puntos de A que no son de B.

Si A={Salir Oros} y B={Salir una Figura}.

Entonces, A-B son los "Oros" que no son figuras, es decir,

En la hoja de cáculo sucesos.xls puedes ver una ilustración de las operaciones entre sucesos.

Relaciones entre sucesos:

 Inclusión,  , si todos los puntos de A están en B.

Por ejemplo, si A={salir número impar al lanzar un dado}={1,3,5} y B={salir número primo al

lanzar un dado}={1,2,3,5}, se tiene que  .

 Incompatibilidad de sucesos, o sucesos disjuntos,  si carecen de elementos comunes.

Por ejemplo, si A={obtener un número menor de 2}= {1,2} y B={obtener un número que sea

múltiplo de 3}={3,6}, entonces , es decir, no tienen elementos comunes o ambos son

incompatibles.