Definición de experimento estadístico 

Un experimento que tiene las siguientes características es llamado experimento aleatorio o

estadístico.

1. Todos los posibles resultados del experimento son conocidos antes de hacer una
realización del experimento.

2. El resultado exacto en cualquier ejecución del experimento no es predecible

(aleatoriedad)

3. El experimento puede ser repetido bajo (más o menos) identicas condiciones.

4. Existe un patrón predictible a lo largo de muchas ejecuciones (regularidad estadística)

Ejemplos

1. Algunos ejemplos de típicos experimentos aleatorios son:

a. Lanzar una moneda y observar la cara

b. Una bombilla manufacturada en una planta es expuesta a una pueba de vida y el

tiempo de duración de una bombilla es registrado.. En este caso no se conoce cual será
el tiempo de duración de la bombilla seleccionada, pero claramente se puede conocer

de antemano que será un valor entre   y   horas

c. Un lote de   items que contiene   defecuosos es muestreado. Un item muestreado

no se reemplaza, y se registra si el item muestreado es o no defectuoso. El proceso
continua hasta que todos los items defectuosos sean encontrados.

d. Una manufacturera de refigeradores inspecciona sus regiradores para   tipos de

defectos. El número de defectos encontrado en cada refigerador inspeccionado es
registrado.

e. Seleccionar una planta de una parcela y observar si padece alguna enfermedad, es

decir es sana o enferma

f. Seleccionar una planta y medir su altura

2. Algunos ejemplos de experimentos no estadísticos son:

a. Seleccionar al azar un bus de ruta (no alimentador) de transmilenio y observar el color.

Aqui no se cumple la condición (ii), ya que se puede predecir una ejecución del
experimento, el color del bus.

b. Seleccionar al azar un estudiante de un colegio masculino y observar su género. Aqui

no se cumple la condición (ii), ya que se puede predecir una ejecución del
experimento, el género del alumno
 Definición. En estadística, se identifica el término población al de variable
aleatoria , o magnitud numérica de naturaleza aleatoria, X, asociada a los
objetos (individuos) sobre los que se desarrolla una experiencia, cuyo
resultado depende del azar.  

La repetición n veces, en idénticas condiciones, de la citada experiencia

aleatoria, afectará a unamuestra de n objetos u individuos de la población, y
tendrá asociada una sucesión de n variables aleatorias, independientes, X1 ,
X2  ,...,  Xn ,  réplicas de X. 

Un ejemplo obvio de población y muestra surgiría al considerar una urna de

bolas blancas y negras, con independencia de su número. Si la experiencia
consistirá en extraer al azar una bola y nuestro interés se centra en el color
de la bola, nuestra población, desde el punto de vista estadístico, es una
variable dicotómica, por ejemplo, una variable de Bernoulli, que toma dos
únicos valores: X=1 si la bola extraída es blanca, X=0 si es negra.
Una muestra de tamaño n, una vez extraída de la población, y observado el
color de las correspondientes bolas, no será otra cosa que una secuencia
de unos y ceros, n en total. (Las idénticas condiciones a las que se alude
anteriormente, pueden asegurarse reintroduciendo la bola después de cada
extracción, o bien considerando que el tamaño de la muestra es pequeño
respecto al "gran número" de bolas de la urna.
Por espacio muestral (también conocido como espacio de muestreo) se entiende
el grupo de todos los resultados específicos que se pueden obtener tras una
experimentación de carácter aleatorio. A cada uno de sus componentes se los
define como puntos muestrales o, simplemente, muestras.
Por citar un caso a modo de ejemplo concreto: si la prueba se basa en arrojar un dado, el
espacio muestral estará constituido por los puntos muestrales identificados como los
números 1, 2, 3, 4, 5 y 6, ya que esos son los resultados posibles de la acción de tirar el
dado. Por lo tanto, se puede establecer que el espacio muestral del experimento es U = {1,
2, 3, 4, 5, 6}.
Cabe resaltar que, en ciertos casos, los experimentos pueden tener dos o más espacios
muestrales posibles. El experimento de tomar un naipe de una baraja española, por
ejemplo, tiene un espacio de muestreo compuesto por los números y otro espacio muestral
formado por los palos. La descripción más completa, pues, debería incluir ambos valores
(número y palo) en un eje cartesiano.
Los espacios muestrales pueden clasificarse como discretos (cuando la cantidad de
sucesos elementales es finito o numerable) o continuos (en los casos en los cuales la
cantidad de sucesos básicos posee carácter infinito y, por lo tanto, resulta imposible de
contar).

Evento o Suceso
Evento o Suceso: se llama Evento o Suceso a todo subconjunto de un espacio muestral,
asociado a un experimento Aleatorio.

Ejemplo: Consideremos el experimento aleatorio de lanzar un dado y una moneda a la vez.

Mostremos en el Espacio Muestral el Evento (Marcados con ROJO): Resultar un número par en
el dad y cara en la Moneda.

{ (1,C), (1,S), (2,C), (2,S), (3,C), (3,S), (4,C), (4,S), (5,C), (5,S), (6,C), (6,S) }
Evento: Número Par en dado y Cara en Moneda= {(2,C), (4,C), (6,C)}
 Dado su carácter estadístico, este concepto
se aprovecha en diversas situaciones relacionadas con el marketing. Por ejemplo, a la hora
de diseñar un producto nuevo, o una versión de uno existente, es necesario realizar una
proyección demográfica para anticipar su potencial impacto en el mercado; dentro de estos
estudios, se busca agrupar a los consumidores en conjuntos etiquetados por género,
edad y demás propiedades, dependiendo de la empresa y del producto en sí. Este análisis
posee un mínimo de dos partes: una que tiene lugar antes del lanzamiento y otra que ocurre
después, para contrastar la realidad con los números esperados.
De la misma forma, los candidatos a ocupar puestos políticos suelen apoyarse en los
espacios de muestra durante las épocas de elecciones para intentar anticiparse a los
resultados de las votaciones, buscando sobre todo el sector de la población a quien menos
interese su propuesta; basados en los análisis y habiendo decidido racionalmente a qué
posible cuadro prestar más atención, elaboran sus estrategias electorales. Al igual que
ocurre con el lanzamiento de un producto al mercado, es necesario cotejar los anticipos con
los hechos reales para modificar cualquier decisión que haya llevado la campaña por mal
camino.
En la programación, los espacios muestrales pueden tener muchas finalidades, así como
formas. Una de sus implementaciones consiste en estudiar una serie limitada de
sucesos o eventos que pueden tener lugar en el supuesto caso de una colisión entre dos
objetos (que pueden ser personajes o elementos inanimados). Dentro del mismo contexto
informático, se suele asociar este concepto con el término “caso especial”, que se refiere a
una situación no muy común pero que puede darse y que es necesario anticipar y decidir el
proceder adecuado para atenderlo. Durante el desarrollo de un programa es necesario
revisar repetidas veces los potenciales resultados de la ejecución del código para reducir al
máximo el número de errores.

Lee todo en: Definición de espacio muestral - Qué es, Significado y

Concepto http://definicion.de/espacio-muestral/#ixzz319Oft3xs

Regla la adición:

 Establece que si dos eventos A y B son mutuamente excluyentes la probabilidad de que uno u
otro evento ocurra es igual a la suma de sus probabilidades.    De lo anterior se puede deducir
que la probabilidad de que ocurra A más la probabilidad de que no ocurra A debe sumar 1. A
esto se le llama la regla del complemento. Esta regla establece que para determinar la
probabilidad de que ocurra un evento se puede restar de 1 la probabilidad de que no ocurra.
La Regla de la Adición expresa que: la probabilidad de ocurrencia de al menos dos sucesos A y
B es igual a: P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente P(A o B) =
P(A) + P(B) – P(A y B) si A y B son no excluyentes Siendo: P(A) = probabilidad de ocurrencia del
evento A P(B) = probabilidad de ocurrencia del evento B P(A y B) = probabilidad de ocurrencia
simultanea de los eventos A y B .

Regla de la multiplicación[editar]

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

1.3.5 Teorema de Bayes

La interpretación más aceptada del teorema de Bayes, es que su

estructura permite el calculo de probabilidades después de haber sido
realizado un experimento (probabilidades aposteriori), basándose en el
conocimiento de la ocurrencia de ciertos eventos que dependan del
evento estudiado, o sea, se parte de probabilidades conocidas antes de
efectuar el experimento (probabilidades apriori), las cuales son
afectadas por las probabilidades propias del experimento (las que
aparecen durante la ocurrencia del evento).

Continuando nuestro análisis sobre el teorema de Bayes, la

probabilidad condicional deAi dado B, para cualquier i, es:

Aplicando en el numerador la Regla de Multiplicación P(A iÇB) = P(Ai)

P(B|Ai) y en el denominador el Teorema de Probabilidad Total  P(B) =
P(A1) P(B | A1) + P(A2) P(B | A2) + . . . + P(An) P(B | An), obtenemos la
ecuación que representa al:

 
Teorema de Bayes

Ejemplo 3. 11. Referente al problema de la fábrica que produce dos

tipos de reguladores A y B visto anteriormente en la aparte
corresponde al Teorema de Probabilidad Total, cabe hacer el siguiente
análisis: si se selecciona un regulador al azar de la producción de la
fábrica y se ve que funciona bien ¿Cuál es la probabilidad de que sea
del tipo B?

Solución

En este caso el estudio se restringe a los reguladores que funcionan

bien, por lo que ese evento actúa como espacio muestral reducido, o
sea como evento condición. Por lo tanto, el planteamiento de la
pregunta es P(B | F).

Los datos que se tienen son :

P(A) = 0.75     P(F | A) = 0.95

P(B) = 0.25     P(F | B) = 0.98

De acuerdo al Teorema de Bayes:

 
 

Podemos observar que el denominador corresponde al resultado

obtenido al aplicar el Teorema de Probabilidad Total, lo cual debe ser
así, ya que la probabilidad condicional establece

que  . De esta forma podemos ver que la

Probabilidad

Total es el denominador de la fórmula del Teorema de Bayes. También

podemos observar que aplicando los conceptos de la Regla de
Multiplicación y del Teorema de Probabilidad Total llegamos al
planteamiento del teorema de Bayes, Veamos:

Ejemplo 3. 12. Una fábrica que produce material para la construcción

tiene 3 máquinas, a las que se les denomina A, B y C. La máquina A
produce tabique, la B adoquín y la C losetas. La máquina A produce el
50% de la producción total de la fábrica, la B el 30% y la C el 20%. Los
porcentajes de artículos defectuosos producidos por las máquinas son,
respectivamente, 3%, 4% y 5%. Si se selecciona un artículo al azar y se
observa que es defectuoso, encontrar la probabilidad de que sea un
tabique.

Solución

Definamos el evento D como sea un artículo defectuoso. De acuerdo a

esto tenemos que:

 
P(A) = 0.5       P(D | A) = 0.03

P(B) = 0.3       P(D | B) = 0.04

P(C) = 0.2       P(D | C) = 0.05

Si el artículo del que deseamos calcular la probabilidad es un tabique,

significa que es producido por la máquina A. También observamos que
en la solución solamente participan los artículos defectuosos, ya que se
pone por condición esta característica. Por lo tanto:

 COMBINACIONES Y PERMUTACIONES

Combinación

Son eventos similares a las permutaciones. Pero el orden ya no importa

y es necesario eliminar de las permutaciones aquellas donde los
elementos se repiten aunque con distinto orden

Una combinación es una selección de objetos sin importar el orden en

que se escojan:

                                                

Permutación

Son eventos de tipo multiplicativo, donde el número de posibilidades

va disminuyendo y si importa el orden una permutación es un arreglo
de un conjunto de objetos en un orden definido. El número de
permutaciones diferentes de estos objetos es ; esto se vé fácilmente si
pensamos que para la primera alternativa disponemos de
los elementos del conjunto, cada uno de los cuales puede
complementarse con los restantes como segunda opción, y así hasta
llegar a la última elección, conformando el producto .

El número de permutaciones posibles al tomar objetos del conjunto

de elementos será, siguiendo el mismo razonamiento.
                                                                     

PERMUTACIONES SIN REPETICIÓN DE n ELEMENTOS TOMADOS

TODOS A LA VEZ

Ejemplo  : ¿De cuántas formas diferentes se pueden ordenar las letras

de la palabra IMPUREZA?

Solución: Puesto que tenemos 8 letras diferentes y las vamos a ordenar

en diferentes formas, tendremos 8 posibilidades de escoger la primera
letra para nuestro arreglo, una vez usada una, nos quedan 7
posibilidades de escoger una segunda letra, y una vez que hayamos
usado dos, nos quedan 6, así sucesivamente hasta agotarlas, en total
tenemos:

8 ´ 7 ´ 6 ´ 5 ´ 4 ´ 3 ´ 2 ´ 1 = 40320

PERMUTACIONES CIRCULARES

Ahora estudiaremos algunos ejemplos de arreglos circulares, sabemos

que si queremos sentar a cuatro personas una al lado de la otra en fila,
el número de arreglos que podemos hacer es 4!; ahora bien, si las
queremos sentar al rededor de una mesa circular, ¿de cuántas formas
lo podemos hacer?

Observemos los siguientes arreglos:

Por cada una de las permutaciones o arreglos circulares tenemos 4 de

ellos diferentes en fila; esto es, el arreglo circular 1 puede leerse en
sentido contrario a las agujas del reloj de las siguientes formas: ABCD,
BCDA, CDAB, y DABC, que son 4 arreglos diferentes si fueran en filas;
pero es un solo arreglo circular. Entonces, en lugar de tener 4! que es el

número de arreglos en fila, tenemos solamente  .

PERMUTACIONES SIN REPETICIÓN

Ejemplo 7: ¿ De cuántas formas diferentes se pueden sentar seis
alumnos en un salón de clases con 25 pupitres?

Solución: El primer estudiante puede elegir entre 25 lugares, el

segundo tendrá 24 lugares a escoger, el tercero 23, así sucesivamente;
por lo tanto el número de arreglos sin repetición de 25 elementos
tomados de 6 en 6 es:

Esto se simboliza por  =  

PERMUTACIONES CON REPETICIÓN

Veamos otra aplicación del principio de la multiplicación. Supongamos

que tenemos 20 niños de un grupo de Preescolar y 10 sabores de
helados disponibles. ¿De cuántas formas diferentes podemos servir un
helado a 20 niños?

Al primer niño le podemos servir uno de los 10 sabores, al segundo

niño también le podemos servir los 10 sabores, al tercero también, y así
sucesivamente. A cada uno de los 20 niños le podemos servir de los 10
sabores, por lo que

= nr

Observe que r es el número de veces que se repiten los n elementos.

RESUMEN DE LAS PERMUTACIONES

DESCRIPCIÓN FÓRMULA

Permutaciones sin repetición de n elementos

tomados todos a la vez

Permutaciones circulares de n elementos !

Permutaciones sin repetición de n elementos

tomados de r en r, donde r  £  n

Permutaciones con repetición de n elementos

tomados de r en r
 Permutaciones de n elementos de los cuales
p1  son de un tipo, p2  son de otro tipo,  ¼  , pkde
otro tipo, donde p1  +  p2  +  ¼  +pk  =  n.

Ejemplo 3. 13. A un congreso asisten 100 personas, de las cuales 65 son

hombres y 35 son mujeres. Se sabe que el 10% de los hombres y el 6%
de las mujeres son especialistas en computación. Si se selecciona al
azar a un especialista en computación ¿Cuál es la probabilidad de que
sea mujer?

Solución

Definamos los eventos:

H:    Sea un  hombre

M:   Sea una mujer

E:         La persona sea especialista en computación

Tenemos que:

                
                 

Por lo tanto:

Ir al Inicio de la Página