Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Se debe aclarar para efecto de autoría del presente material, que este es un compendio entre
la guía elaborada por los profesores Alexander Pinto, Naile Pernalete, siendo esta recreada
por el (la) profesor(a) Milbet Rodríguez (2020).
PROBABILIDAD
Como señalábamos en el tema anterior si, tras la obtención de los datos, el investigador sólo está
interesado en resumirlos y presentarlos de forma adecuada, las técnicas de la estadística descriptiva son
más que suficientes. Si, en cambio, pretende obtener de esos datos conclusiones generales sobre una clase
amplia de individuos del mismo tipo de los que han sido estudiados, entonces las técnicas descriptivas
sólo son el comienzo del análisis. Para obtener conclusiones válidas y hacer predicciones correctas sobre
una población a partir de la observación de una parte de la misma necesitaremos los métodos de la
inferencia estadística. La herramienta básica de la inferencia estadística es el cálculo de probabilidades
que introducimos en este tema.
Debe tenerse presente que la inferencia estadística parte de la información proporcionada por los
datos de la muestra para tomar una decisión sobre toda la población. Puesto que no hemos estudiado toda
la población, nunca tendremos la certeza absoluta sobre si la decisión finalmente adoptada es o no
correcta; así pues, en un problema de inferencia estadística ni siquiera tiene sentido preguntarse sobre si
hemos cometido o no un error, y lo más que podemos preguntarnos es por la probabilidad de cometer un
error. La mayor parte de los métodos estadísticos que presentaremos a lo largo del libro han sido
diseñados con el objetivo de que la probabilidad de cometer un error sea lo más pequeña posible.
Tendremos también ocasión de comprobar que el cálculo de probabilidades, además de una
herramienta fundamental en la inferencia estadística, tiene sus propias aplicaciones en las ciencias de la
salud.
Probabilidad Frecuentista
Se entiende por probabilidad frecuentista a la frecuencia relativa de un evento esperada en el
largo plazo o luego de una secuencia de ensayos. Cuantas más veces se repita el experimento, al final las
posibilidades de que ocurra cada uno de los sucesos será regular.
Otra definición de probabilidad frecuencial, también conocida como probabilidad
frecuentista, refiere a que tan probable resulta un suceso si un experimento se repite muchas veces.
Puede entenderse como el cociente entre la cantidad de casos favorables y la cantidad de casos posibles
cuando la cantidad de casos tiende al infinito.
Para calcular probabilidades se utiliza la siguiente fórmula: (Teorema de Laplace)
Se considera que cada resultado de un experimento tiene la misma probabilidad de aparecer que
cualquier otro y por lo tanto, se le puede asignar la misma probabilidad de ocurrencia (equiprobabilidad).
Se considera la probabilidad de una forma "a priori". Se requiere dividir el número de resultados
deseables entre el número de resultados posibles bajo la condición de que todos los resultados del
experimento sean igualmente probables.
En la naturaleza existen otros fenómenos en los que no se puede predecir el resultado final, incluso
cuando se hace todo lo posible para que las condiciones en que se realiza el experimento sean las mismas,
como puede ocurrir en el lanzamiento al aire de una moneda, o en la curación de un enfermo tras la
aplicación de un cierto tratamiento. Son los llamados fenómenos aleatorios. A pesar de lo dicho, los
fenómenos deterministas tienen también una componente aleatoria debida a la imprecisión de los
aparatos de medida utilizados en la experiencia.
Selección aleatoria: Significa que los sujetos de la población blanca deben ser
escogidos al azar, es decir, todos los individuos o elementos de la población blanca
tienen que tener la misma probabilidad de ser seleccionados en la muestra. Eso
significa, que todas las personas u objetos de la población deben tener una
probabilidad mayor a cero y menor a uno de estar presente en la muestra. El método
de selección de la muestra se llama diseño muestral. Existen diferentes tipos de diseño
muestral, si es aleatorio se le llama probabilístico, si no es aleatorio, es no
probabilístico.
Según Pinto y Pernalete (s/a), Selección Aleatoria: Un objeto se selecciona
aleatoriamente de una colección o población, si en dicha selección cada objeto tiene
la misma probabilidad o posibilidad de ser elegido. Esta selección puede ser:
a. Con reemplazo o reposición, cuando cada elemento se extrae y es devuelto a la
población, antes de seleccionar otro objeto. Ej. La lotería.
b. Sin reemplazo o reposición, cuando cada elemento se extrae de la población y no
es devuelto antes de seleccionar otro objeto. Ej. El bingo.
Espacio Muestral:
Según Valera (1996) “es el conjunto formado por todos los resultados posibles de un experimento.
A este conjunto lo designaremos por E” (p.195).
Ejemplo 2: Sea el experimento lanzar simultáneamente dos monedas, entonces el espacio muestral es:
los cuatros posibles resultados de este experimento.
PRIMERA SEGUNDA
MONEDA MONEDA
C S
C CC CS
S SC SS
Luego el producto cartesiano de estas dos monedas, constituye el espacio muestral, es decir,
E= {CC, CS, SC, SS}
B) A través de un diagrama de árbol el cual lo definimos como un gráfico o dibujo que nos ayuda a
construir el espacio muestral y nos presenta en un número finito todos los resultados posibles del
experimento. Veamos:
1º 2da (MONEDA)
C
C
S
C
S
S
Ejemplo 3: Dos estudiantes A y B participan en u n torneo de ajedrez de 5 juegos. El primero que gane
dos juegos consecutivos o complete 3 ganados, gana el torneo. Construyamos su espacio muestral.
(Puede hacerlo con cualquiera de los dos procedimientos).
A B A B A B A B
A B A B A B A B
Luego, E= {AA, ABB, ABAA, ABABA, ABABB, BB, BAA, BABB, BABAA, BABAB}
Suceso o Evento
Ejemplo: Sea el experimento aleatorio que consiste en lanzar un dado y observar el número que sale en
la cara superior, entonces su espacio muestral es E= {1, 2, 3, 4, 5, 6}. Cualquier subconjunto de E es un
suceso o evento.
Suceso Elemental
Es aquel suceso o evento constituido por un solo resultado del experimento. En el ejemplo
anterior definamos un suceso elemental.
Suceso Compuesto
Son aquellos que se forman a partir de dos o más sucesos simples, tomando en cuenta las
operaciones entre conjunto (unión, intersección, complemento).
Ejemplo:
Sea el experimento lanzar un dado y observar el número que sale en la cara superior, es decir, E= {1, 2,
3, 4, 5,6}. Sean algunos sucesos (simples) de E:
Sucesos Compuestos:
Regla de la Adición
Eventos Solapados
Se dice que dos eventos, A y B, son solapados o unidos, si tienen puntos muestrales en común.
Los puntos muestrales pertenecen tanto a A como a B, forman un subconjunto que se llama intersección
A y B, representada por A B.
Para eventos solapados, la cantidad P(A) + P(B), incluye dos veces la probabilidad de los puntos
muestrales en el conjunto intersección, por lo tanto se debe sustraer a la P(A U B) la P(A B).
Ejemplos
Si se lanza un dado ¿cuál es la probabilidad de que en la cara superior salga un número impar
o un número divisible por 3?
Evento A = salga un número impar P(A) = 3/6
Evento B = salga un número divisible por 3 P(B) = 2/6
Evento A B = salga número impar y divisible por 3 P(A B) = 1/6
P(A U B) = 3/6 + 2/6 – 1/6 = 4/6 = 0,67
Evento Complementario
Se dice que dos eventos A y Ac, son complementarios si el segundo es un subconjunto que
contiene todos los eventos elementales del espacio muestral que no están en el primero, es decir, los
sucesos complementarios son mutuamente excluyentes, su unión es el espacio muestral (S) y su
intersección es el conjunto vacío ().
P(Ac ) = 1 - P(A)
Ejemplo
Sea el lanzamiento de un dado. ¿Cuál es la probabilidad que el lado superior no sea un número
divisible por 3?
Evento A = número divisible por 3 ---> P(A) = 2/6
P(Ac ) = 1 - 2/6 = 4/6 = 0,666
Sea el lanzamiento de dos dados ¿cuál es la probabilidad de que los lados superiores de los
dados no sumen 5?
Evento A = los lados sumen 5 ---> P(A) = 4/36
P(Ac ) = 1 - 4/36 = 32/36 = 0,888
Regla de la Multiplicación
Eventos Independientes
Ejemplo
Sea el lanzamiento de cuatro monedas ¿cuál es la probabilidad de las cuatro monedas caigan
cara?
Probabilidad Condicional
Se denomina probabilidad condicional del evento A, a la probabilidad de que ocurra A, dado
que el evento B ha ocurrido. Se representa por P(A/B), y se lee "probabilidad del evento A dado B", y
se determina a través de la siguiente expresión.
P(A B)
P(A/B) = --------------
P(B)
Ejemplos:
¿Cuál es la probabilidad de que al seleccionar en forma aleatoria una persona de ese grupo,
sea alumno, dado que la persona seleccionada sea del 9º grado?
Evento A = sea alumno
Evento B = sea del 9º grado
Evento A ∩ B = sea alumno del 9º grado
Reduciendo el espacio muestral
P(A B) 50
P(A/B) = ---------- = -------- = 0,555
P(B) 90
Prof. Milbet Rodríguez
UNIDAD III: Distribución de probabilidad. Concepto frencuentista de probabilidad y de variable aleatoria.
Parámetros poblacionales. Distribuciones de probabilidad teórica.
Eventos Dependientes
Se dice que dos o más eventos son dependientes cuando el conocimiento de la ocurrencia de
uno de ellos altera la probabilidad de ocurrencia del o de los otros. Si A y B, son eventos dependientes,
se tendrá
Para denominar las variables aleatorias se utilizaran letras mayúsculas: X, Y, Z, y los valores
que pueda asumir la variable con letras minúsculas x1, x2, y1,.
Como los valores que puede asumir son integrantes de un espacio muestral, poseerán su
probabilidad, de allí que el conjunto de pares ordenados formados por los valores de x y su probabilidad,
se le denomina función de probabilidad o distribución de probabilidad para variables aleatorias
discretas.
Ejemplo
Obtener la función de probabilidad para "el número de caras" que se obtendrían en el
lanzamiento simultáneo de 3 monedas.
C SCC (2)
C
S SCS (1)
S
C SSC (1)
La función de probabilidad de [xi, f(xi)] donde f(xi) se designa para la probabilidad de que la
variable aleatoria X, asuma el valor x, es decir f(xi) = P(X = xi).
Ejemplo:
f(0) = P(X = 0) = 1/8 f(2) = P(X = 2) = 3/8
Ejercicios
Determine: a) f(X 3); b) f(1 X 3); c) f(0 < X < 1)
Realice la gráfica
F ( x) P( X xi ) f ( xi )
xi x
3 1/8 8/8
2 3/8 7/8
1 3/8 4/8
0 1/8 1/8
Esperanza Matemática
Tan igual que una distribución de frecuencias, con sus dos características importantes: su
tendencia central y su variabilidad, ellas también lo son de una variable aleatoria.
n
E ( X ) x Xi * f ( Xi )
i 1
Ejemplo
Si se lanzan tres monedas ¿Cuál es la esperanza matemática del número de caras?
Ejercicio
En cierto curso de inglés hay 20 alumnos aprobados y 10 reprobados. Si se
selecciona aleatoriamente dos alumnos, sin reposición, ¿cuál es el número esperado de
alumnos aprobados en la muestra?
A AA (2) P(AA) = 20/30 . 19/29 = 38/87
A P(AR) = 20/30 . 10/29 = 20/87
R AR (1) P(RA) = 10/30 . 20/29 = 20/87
P(RR) = 10/30 . 9/29 = 9/87
A RA (1)
R
R RR (0)
x = 1,33. Al seleccionar aleatoriamente dos alumnos, una y otra vez sin reemplazo,
el promedio de alumnos aprobados es aproximadamente 1,33 en la muestra.
Varianza
Si X es una variable aleatoria, con esperanza E(X) = x, la varianza de "X", que se
representa por V(X) = 2, se define como:
V ( X ) 2 X i2 * f ( X i ) * i2
Ejemplo:
En el lanzamiento de las tres monedas, determine la varianza de la variable aleatoria
definida como "el número de caras obtenidas".
V ( X ) 2 X i2 * f ( X i ) * i2 = 3 - (1,5)2 = 3 -2,25 = 0,75