DESARROLLO DE SOFTWARE MULTIPLATAFORMA

Materia: Probabilidad y Estadística

Profesor: Profesor Javier Temoltzi Avila

Temas:

Probabilidad Grupo: GDS0433

Participante:
Juan Francisco Galindo Hernández.
Principios de probabilidad
La probabilidad es la oportunidad de que algo pueda suceder. Un evento es una o más de las
respuestas de que suceda ese algo. Experimento: la actividad que produce eventos.

Son aquellos eventos que pueden suceder a un mismo tiempo

Ejemplo:

Una persona tiene una moneda y en unos momentos va a lanzarla al aire y por supuesto existe la
incertidumbre sobre el resultado de tal acción, veamos la interpretación de cada uno de los
términos.

Experimento: lanzar una moneda.

Evento: Cada una de las respuestas de esta actividad, el evento uno será Sol y el evento dos será
Águila. El conjunto de todos los resultados posibles de un experimento se llama espacio muestral.

Se representa con la letra S.

S= Águila, Sol. Preguntas:

¿Águila y Sol son eventos mutuamente excluyentes?

Si porque sólo puede salir una cara de la moneda, ya sea sol o sea águila pero no ambas.

EQUIPROBABILIDAD:

El concepto de equiprobabilidad sugiere que si no hay razón para favorecer un ninguno de los
posibles resultados de un experimento, entonces los resultados deben ser considerados
IGUALMENTE PROBABLES de ocurrir.

P (águila) = P (sol)

FÓRMULA DE PROBABILIDAD MARGINAL:

P (EVENTO) = NÚMERO DE CASOS FAVORABLES PARA EL EVENTO / NÚMERO TOTAL DE

RESULTADOS DEL EXPERIMENTO.

Ejemplo: ¿Cuál es la probabilidad que en un tiro de una moneda aparezca águila?

P (águila) = 1 (¿Cuántas águilas pueden caer en ese tiro?) / 2 (¿Cuántos lados o caras tiene la
moneda?).

P (águila) = ½ = 0.5 = 50% la probabilidad se puede expresar en decimales, porcentajes o

fracciones.
Técnicas de conteo

Las técnicas de conteo como el diagrama de árbol, las combinaciones o permutaciones son
fórmulas y procesos matemáticos que nos permiten determinar el total de resultados posibles en
un evento o experimento
Tipos de probabilidad
Existen varios tipos de probabilidad que se pueden aplicar a distintas etapas o situaciones de la
vida, los cuales son los siguientes:

Matemática: Utilizando las distintas operaciones aritméticas, se logra calcular en cifras, las
distintas situaciones aleatorias que pueden acontecer en un momento determinado.

Objetiva: En este caso, se maneja el conocimiento de las frecuencias con que sucede el fenómeno,
por lo que solo se tiene una probabilidad de cuándo sucederán los procesos. De esta forma, solo
falta determinar un valor aproximado de cuándo acontecerá el evento.

Subjetiva: Es la contraparte de la probabilidad matemática, funciona considerando las

experiencias con eventos anteriores y extrae el valor de la probabilidad a partir de creencias
personales. Esta se aleja de ser certera o calculable.

Lógica: Se caracteriza por establecer las probabilidades de ocurrencia que posee un evento,
utilizando los principios de la lógica y la evidencia de sucesos previos.

Frecuencial: Como su nombre indica, este tipo se determina por la frecuencia con la que ocurre un
fenómeno en un número específico de eventos realizados bajo observación y estudio, donde se
procede a llevar la cuenta de la frecuencia del mismo fenómeno.

Binomial: Se busca calcular cuál es la posibilidad de fracaso o éxito que podría tener una acción,
dando como resultado el fenómeno que posee más probabilidades de suceder.

Hipergeométrica: Se utiliza la técnica de ensayo o muestreo, la misma consiste en realizar

distintos eventos, los cuales se van clasificando en función de la frecuencia con la que ocurre el
fenómeno. De esta manera se obtiene una serie de eventos agrupados según la frecuencia de
aparición de los sucesos.

Condicional: En este caso, se consigue la probabilidad teniendo en cuenta la relación causal entre
varios hechos. Se pasa en la premisa de que “Para que suceda el fenómeno, debe ocurrir otra
acción previamente”.

Geométrica: Considerada un subtipo de la probabilidad matemática, la geométrica es utilizada por

científicos para encontrar con exactitud los casos favorables en los que un evento se puede
desarrollar
Distribuciones de probabilidad discretas
Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una variable
aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria que tiene valores
contables, tales como una lista de enteros no negativos.

Con una distribución de probabilidad discreta, cada valor posible de la variable aleatoria discreta
puede estar asociado con una probabilidad distinta de cero. Por lo tanto, una distribución de
probabilidad discreta suele representarse en forma tabular.

Ejemplo del número de quejas de clientes

Con una distribución discreta, a diferencia de una distribución continua, usted puede calcular la
probabilidad de que X sea exactamente igual a algún valor. Por ejemplo, puede utilizar la
distribución discreta de Poisson para describir el número de quejas de clientes en un día.
Supongamos que el número promedio de quejas por día es 10 y usted desea saber la probabilidad
de recibir 5, 10 y 15 quejas de clientes en un día.

x P (X = x)

5 0.037833

10 0.12511

15 0.034718

Usted también puede visualizar una distribución discreta en una gráfica de distribución para ver las
probabilidades entre los rangos.

Las barras sombreadas en este ejemplo representan el número de ocurrencias cuando las quejas
diarias de los clientes son 15 o más. La altura de las barras suma 0.08346; por lo tanto, la
probabilidad de que el número de llamadas por día sea 15 o más es 8.35%

Gráfica de distribución del número de quejas de clientes

Distribuciones de probabilidad continúa
Una distribución continua describe las probabilidades de los posibles valores de una variable
aleatoria continua. Una variable aleatoria continua es una variable aleatoria con un conjunto de
valores posibles (conocido como el rango) que es infinito y no se puede contar

Ejemplo de la distribución de pesos

La distribución normal continua puede describir la distribución del peso de hombres
adultos. Por ejemplo, usted puede calcular la probabilidad de que un hombre pese entre
160 y 170 libras.

Gráfica de distribución del peso de hombres adultos

El área sombreada debajo de la curva en este ejemplo representa el rango de 160 a 170
libras. El área de este rango es 0.136; por lo tanto, la probabilidad de que un hombre
seleccionado aleatoriamente pese entre 160 y 170 libras es de 13.6%. Toda el área por
debajo de la curva equivale a 1.0.
Distribuciones muéstrales

El estudio de determinadas características de una población se efectúa a través de diversas

muestras que pueden extraerse de ella.
El muestreo puede hacerse con o sin reposición, y la población de partida puede ser infinita
o finita. Una población finita en la que se efectúa muestreo con reposición puede
considerarse infinita teóricamente. También, a efectos prácticos, una población muy
grande puede considerarse como infinita. En todo nuestro estudio vamos a limitarnos a
una población de partida infinita o a muestreo con reposición.
Consideremos todas las posibles muestras de tamaño n en una población. Para cada
muestra podemos calcular un estadístico (media, desviación típica, proporción,...) que
variará de una a otra. Así obtenemos una distribución del estadístico que se llama
distribución muestral.
Cada muestra de tamaño n que podemos extraer de una población proporciona una media.
Si consideramos cada una de estas medias como valores de una variable aleatoria podemos
estudiar su distribución que llamaremos distribución muestral de medias.
Si tenemos una población normal N(m,s) y extraemos de ella muestras de tamaño n, la
distribución muestral de medias sigue también una distribución normal

Si la población no sigue una distribución normal pero n>30, aplicando el llamado Teorema
central del límite la distribución muestral de medias se aproxima también a la normal
anterior.