Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En primer lugar, se definen una serie de conceptos técnicos útiles para el tratamiento
de este tema:
Evento simple o elemental: lo constituyen cada uno de los puntos del espacio
muestral. Son "mutuamente excluyentes", es decir que la ocurrencia de uno de ellos
cualquiera, imposibilita la ocurrencia de los otros (no pueden ocurrir simultáneamente).
Ejemplos:
Nace una persona: es niña o varón.
Al arrojar una moneda, cae cara (c) o sello (s).
Al tirar un dado, sale sólo un número.
1- Definición clásica
Fue dada por Laplace en 1812. Si se desea conocer la probabilidad de que ocurra un
evento A y se tienen dos conjuntos: el primero, de casos favorables del evento A, y el
segundo, de casos posibles, que incluye al primero, y donde no hay preferencias para
que aparezca un evento determinado; la probabilidad del evento A es igual al número
de casos favorables sobre el número total de
casos posibles: NA
Todos los casos posibles deben ser p =
A NT
excluyentes entre sí.
Ejemplo: ¿Cuál es la probabilidad de que un avión parta a las 21:00 horas? Como esa
hora exacta es un punto en el intervalo de valores de la variable tiempo, su
probabilidad es cero (0).
AXIOMAS DE PROBABILIDAD
Si una variable x puede tomar los valores x1 , x2 , x3 , ... xn ; con la condición de que
estos valores sean numéricamente independientes y excluyentes entre si, y si a cada
uno de ellos le corresponde una probabilidad p 1 , p2 , p3, ... pn , con la condición de que
la suma de probabilidades sea igual a 1, se trata de una variable aleatoria.
Las variables aleatorias presentan algunas características que las diferencian de las
variables estadísticas examinadas hasta ahora:
Las variables estadísticas pertenecen a datos del mundo real, cuya frecuencia se
obtiene mediante la observación. Intuitivamente, una variable aleatoria es una variable
cuyo valor numérico se determina al azar. En muchos casos, existen funciones
matemáticas que pueden ajustarse al fenómeno real y servir como modelo de estudio
de la variable.
Tanto las variables estadísticas como las aleatorias pueden clasificarse como
discretas, si sólo pueden tomar algunos valores en un intervalo, o continuas, si
pueden tomar todos los valores del rango en estudio. En el primer caso, la
representación gráfica habitual de las frecuencias correspondientes es el diagrama de
bastones. En el segundo caso, las frecuencias de una variable estadística continua se
grafican mediante histogramas o polígonos de frecuencias absolutas, mientras que las
de una variable aleatoria continua se presentan como el área bajo la curva de la
función de densidad.
Cuando se trata con una variable, no basta con considerar que es aleatoria. Es
necesario poder predecir el valor que la variable puede adoptar en cualquier momento.
Puesto que el comportamiento de una variable aleatoria está gobernado por el azar, lo
más apropiado para describirlo es hacerlo en términos de probabilidades. Se utilizan
para esto dos funciones: la función de densidad y la función de distribución.
FUNCIÓN DE DENSIDAD
Densidad discreta: siendo X una variable aleatoria discreta, la densidad f para X es:
f(x)=p(X=x)
1 f está definida sobre toda la recta real y para cualquier número real x, f(x) es la
probabilidad de que la variable aleatoria X tome el valor x.
2 puesto que f(x) es una probabilidad, f(x)0, independientemente del valor de x.
3 la suma de f sobre todos los valores físicos posibles de X debe ser igual a 1.
Σf(x)=1
Para valores de x que sean físicamente imposibles, f(x)=0. Cualquier función no
negativa y que tenga el valor 1 cuando se suma su conjunto de valores posibles puede
considerarse como la densidad para una variable aleatoria discreta.
ESPERANZA MATEMATICA
También denominado valor esperado, es el valor medio teórico que se espera que
tome la variable aleatoria X y se simboliza E(x).
E(x)= xi pi
VARIANZA
Sea X una variable aleatoria con media μ. La varianza de X, designada por V(x) o σ²,
está dada por:
V(x) = xi-Ex)2pi