Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SOCIALES
TEMA
ASIGNATURA: ESTRADISTICA
ALUMNOS:
PRESENTACION ............................................................................................................. 5
INTRODUCCION ............................................................................................................ 6
CAPITULO I ...................................................................................................................... 7
1. PROBABILIDAD ........................................................................................................... 7
BIBLIOGRAFIA .............................................................................................................. 37
DEDICATORIA
Dedicamos este trabajo, al padre que nos cuida, nos protege porque quiere lo mejor para
todos, que nos ayuda a cada momento, en los días devastadores que uno se encuentra
Se dedica este trabajo al Dr. Fermin Urbano Sollas Ferro, que con su apoyo y sus
enseñanzas, al demostrar sus conocimientos y transmitirlos a los alumnos del tercer semestre
entre ellos, el grupo que está realizando esta monografía, como también dedicamos a nuestros
padres que con son el motivo, para cursar este curso, que por su ayuda incondicional y que se
tiene que demostrar que si se lograra salir y ser grandes profesionales, que es lo que cada uno
busca, y así poder corresponder con todo el tiempo aplicando en los estudios también en el
trabajo, a los padres, demostrar a los docente, y tener reconocimiento que es lo más principal que
quiere uno.
Como también se dedica a todos los lectores que puedan leer este trabajo y sacre
conclusiones o criticas respecto al trabajo realizado por nosotros, nuestro conocimiento aplicado
en este trabajo.
PRESENTACION
Presento este trabajo al Dr, Fermin Urbano Sollas Ferro sobre el tema de probabilidad de
un evento y condicional, para que pueda apreciar nuestros conocimientos de los integrantes de
este grupo, donde aplicamos conceptos sacados de monografías, videos y otras fuentes que
ayudaron para realizar el siguiente trabajo. La monografía contiene el concepto de la
probabilidad, su historia como también una pequeña referencia sobre la escuela rusa de
probabilidad, que es muy importante saber mas que todo cuando estudias probabilidades que es
una ayuda para estar mas referido al tema, para saber a fonde de que estamos hablando.
Como también presento en este trabajo las fórmulas, teoremas de bayes que es muy
referido al tema, y como se aplica.
INTRODUCCION
experiencia, el hecho de que ocurra un suceso, puede cambiar la probabilidad de los demás. El
proceso de realizar la historia clínica, explorar y realizar pruebas complementarias ilustra este
aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente
estables. La probabilidad que pueda pasar son muy pocas o hay veces hay una gran probabilidad
de poder sacar algo, son pequeños conceptos que hay. La probabilidad de que ocurra un evento
se mide por un número entre cero y uno, inclusive. Si un evento nunca ocurre, su probabilidad
asociada es cero, mientras que si ocurriese siempre su probabilidad sería igual a uno. Es decir, la
probabilidad condicional es aquella que depende de que se haya cumplido otro hecho
relacionado. En el ejemplo de lanzar una moneda, los sucesos elementales serían. Sacar una cruz
o sacar una cara. Si la moneda no está trucada, la probabilidad de que ocurra cada suceso
elemental es la misma. Por lo tanto, la probabilidad de que salga cruz es 1/2. Ahora, la
al que denominamos A, como consecuencia de que ha tenido lugar otro evento, al que
evento A, sabiendo que también sucede otro evento B. La probabilidad condicional se escribe
P(A|B) o P(A/B), y se lee «la probabilidad de A dado B». No tiene por qué haber una relación
1. PROBABILIDAD
primer tratado que hace referencia a la misma (1553), hasta finales del siglo XX. Aunque el
título de padres de la teoría de la probabilidad. Sin embargo, existen evidencias históricas que
nos inclinan a pensar que el primero en poner por escrito el concepto fue Gerolamo Cardano
(1501-1576). Por alguna extraña razón, que aún se desconoce, su obra titulada «Liber de ludo
alea que significa algo así como «Un libro sobre los juegos de dados» no fue publicada hasta el
Tras las sucesivas publicaciones de Pierre Fermat (1654), Blaise Pascal (1654) y
Gerolamo Cardano (1663) se sucedieron numerosas obras por parte de intelectuales que han
azar, se publicó un documento titulado «Ars Conjectandi» de Jacob Bernouilli. Una obra
publicada a título póstumo, ya que en realidad fue escrita hacia 1690. Tras la muerte de
Bernoulli, Abraham de Moivre cogió el testigo, y sentó las bases del Teorema Central del Límite
todo sea dicho, que sería demostrado por Laplace años más tarde.
realiza un aporte tremendo con la distribución normal. Sin embargo, se le debe a Laplace la
Sin duda, Kolmogorov y Borel ofrecieron un marco más preciso que el resto en cuanto a
Además de los dos anteriores, destacan las aportaciones, durante todo el siglo XX, de
intelectuales como Paul Lévy (1919-1971), Norbert Wiener (1894-1964) o Maurice Fréchet
(1878-1973). Para terminar, diremos que existen otros muchos que podríamos incluir en la
Es la posibilidad de que un evento suceda dependiendo de las condiciones dadas para que
acontezca (ejemplo: qué probabilidad hay de que llueva). Será medida entre 0 y 1 o expresada en
porcentajes, dichos rangos podrán observarse en ejercicios resueltos de probabilidad. Para ello se
Los sucesos favorables son los válidos según la experiencia del individuo; y los posibles
son los que pueden darse si son válidos o no a su experiencia. La probabilidad y estadística están
relacionadas al ser el área donde se registran sucesos. La etimología del término viene del latín
una de las personas más relevantes de la escuela rusa de teoría de la probabilidad. Fue uno de los
ciertos resultados: qué tan común es que ocurran. Al análisis de los eventos gobernados por la
de que ocurra un evento, como sacar un as de un mazo de cartas o producir una pieza no
moneda al aire 10 veces y registra el número de caras, realiza 10 ensayos del experimento.
probabilidad del evento dividiendo el número de eventos entre el número total de ensayos.
Necesitas tener una intuición y comprensión de estos eventos para que seas una persona
inteligente y exitosa. El lanzamiento de una moneda, el lanzamiento de dados y los sorteos de lotería
Eventos
Eventos de ejemplo:
Elegir un "Rey" de una baraja de cartas (cualquiera de los 4 Reyes) también es un evento
eventos)
Eventos Independientes
Los eventos pueden ser "independientes", lo que significa que cada evento no se ve
¡Esta es una idea importante! Una moneda no "sabe" que cayó Cara antes ... cada lanzamiento de una
Ejemplo: Lanzas una moneda y aparece "Cara" tres veces ... ¿cuál es la probabilidad de
la moneda.
Decir "ya debe caer un Escudo" o "solo una vez más, a mi suerte le toca cambiar" se llama La
Eventos dependientes
Pero los eventos también pueden ser "dependientes" ... lo que significa que pueden verse
Después de tomar una carta del mazo, hay menos cartas disponibles, ¡por lo que las
probabilidades cambian!
Si la primera carta era un Rey, entonces es menos probable que la segunda carta sea un Rey,
Si la primera carta no era un Rey, entonces es más probable que la segunda carta sea un Rey,
Reemplazo: cuando volvemos a colocar cada tarjeta después de sacarla, las posibilidades no
Diagrama de Árbol
Estás camino a jugar fútbol y quieres ser el portero, pero eso depende de quién sea el
entrenador hoy:
Sam es entrenador más a menudo ... alrededor de 6 de cada 10 juegos (una probabilidad
de 0.6).
Empieza con los entrenadores. La probabilidad de que sea Sam es 0.6, por lo que la
Luego completa las ramas para Sam (0.5 Sí y 0.5 No), y luego para Alex (0.3 Sí y 0.7 No):
Mutuamente Excluyentes
Girar a la izquierda y a la derecha son mutuamente excluyentes (no puedes hacer ambas cosas
al mismo tiempo)
¡Los reyes y los corazones no son mutuamente excluyentes, porque podemos tener un rey de
corazones!
Como aquí:
CAPITULO III
3. PROBABILIDAD CONDICIOANAL
Ejemplo.
El experimento es extraer aleatoriamente dos canicas de una caja que contiene cinco
canicas blancas y cinco canicas verdes. Al extraer la primera canica, hay en la caja cinco canicas
Al extraer la segunda canica hay en la caja cuatro canicas blancas de un total de nueve,
por lo que la probabilidad condicional de que la segunda sea blanca dado que la primera fue
3.1 CONCEPTO
ciertos resultados: qué tan común es que ocurran. Al análisis de los eventos gobernados por la
ecuación P(A) =? ¿P(A)=? y tal vez, intuitivamente sepas que la probabilidad mitad y mitad o
En este caso:
total de resultados)
Ejemplo 1
¿Cuál es la probabilidad de sacar un número par (es decir, sacar un dos, un cuatro o un
seis)?
Consejos
Si P(A) > P(B)P(A)>P(B) el evento AAA tiene una mayor probabilidad de ocurrir que el
evento BBB.
ocurrir.
3.2 EXCLUSIVIDAD MUTUA
claro ejemplo es el conjunto de resultados de un solo lanzamiento de moneda, que puede resultar
colectivamente exhaustivos, lo que significa que al menos uno de los resultados debe ocurrir, por
lo que estas dos posibilidades juntas agotan todas las posibilidades. Sin embargo, no todos los
eventos mutuamente excluyentes son colectivamente exhaustivos. Por ejemplo, los resultados 1 y
4 de una sola tirada de un dado de seis caras son mutuamente excluyentes (ambos no pueden
ocurrir al mismo tiempo) pero colectivamente no son exhaustivos (hay otros resultados posibles:
2,3,5,6).
Lógica
no pueden ser verdaderas en el mismo sentido al mismo tiempo. Decir que más de dos
proposiciones son mutuamente excluyentes, según el contexto, significa que una no puede ser
término mutuamente excluyentes por pares siempre significa que dos de ellos no pueden ser
verdaderos simultáneamente.
Probabilidad
En la teoría de la probabilidad, se dice que los eventos E 1, E 2,..., E n son mutuamente
restantes. Por lo tanto, dos eventos mutuamente excluyentes no pueden ocurrir a la vez. Dicho
formalmente, la intersección de cada dos de ellos está vacía (el evento nulo): A ∩ B = ∅. En
Por ejemplo, en una baraja estándar de 52 cartas con dos colores, es imposible sacar una
carta que sea roja y un trébol porque los tréboles siempre son negros. Si solo se saca una carta de
la baraja, se sacará una carta roja (corazón o diamante) o una carta negra (trébol o espada).
probabilidad de sacar una tarjeta roja o un trébol, por ejemplo, sume la probabilidad de sacar una
tarjeta roja y la probabilidad de sacar un trébol. En una baraja estándar de 52 cartas, hay
Uno tendría que sacar al menos dos cartas para sacar tanto una tarjeta roja como un
trébol. La probabilidad de hacerlo en dos sorteos depende de si la primera carta extraída fue
reemplazada antes del segundo sorteo, ya que sin reemplazo hay una carta menos después de que
se extrajo la primera carta. Las probabilidades de los eventos individuales (rojo y trébol) se
multiplican en lugar de sumarse. La probabilidad de sacar una roja y un trébol en dos sorteos sin
eventos. La probabilidad de que ocurra uno o ambos eventos se denota como P(A ∪ B) y, en
general, es igual a P(A) + P(B) – P(A ∩ B). Por lo tanto, en el caso de sacar una carta roja o un
rey, sacar cualquiera de un rey rojo, un no rey rojo o un rey negro se considera un éxito. En una
baraja estándar de 52 cartas, hay veintiséis cartas rojas y cuatro reyes, dos de los cuales son
rojos, por lo que la probabilidad de sacar una roja o un rey es 26/52 + 4/52 – 2/52 = 28/ 52.
agotan por esos posibles eventos, por lo que al menos uno de esos resultados debe ocurrir. La
probabilidad de que al menos uno de los eventos ocurra es igual a uno. Por ejemplo,
teóricamente solo hay dos posibilidades para lanzar una moneda. Sacar cara y cruz son eventos
colectivamente exhaustivos, y existe la probabilidad de que uno de ellos saque cara o cruz. Los
eventos pueden ser tanto mutuamente excluyentes como colectivamente exhaustivos.En el caso
de lanzar una moneda, lanzar cara y cruz también son eventos mutuamente excluyentes. Ambos
resultados no pueden ocurrir para un solo intento (es decir, cuando una moneda se lanza solo una
vez). La probabilidad de sacar cara y la probabilidad de sacar cruz se pueden sumar para obtener
Estadísticas
En estadística y análisis de regresión, una variable independiente que puede tomar solo
dos valores posibles se denomina variable ficticia. Por ejemplo, puede tomar el valor 0 si la
posibles asociadas con los dos valores posibles son mutuamente excluyentes, por lo que ninguna
observación cae en más de una categoría, y las categorías son exhaustivas, por lo que cada
observación cae en alguna categoría. A veces hay tres o más categorías posibles, que se excluyen
mutuamente por pares y son colectivamente exhaustivas, por ejemplo, menores de 18 años, de 18
a 64 años y de 65 años o más. En este caso, se construye un conjunto de variables ficticias, cada
variable ficticia tiene dos categorías mutuamente excluyentes y conjuntamente exhaustivas; en
este ejemplo,1) sería igual a 1 si la edad es menor de 18 años, y sería igual a 0 en caso contrario;
una segunda variable ficticia (llamada D 2) ería igual a 1 si la edad está en el rango de 18 a 64
años, y 0 en caso absurdo implica que un sujeto observado tiene menos de 18 años y entre 18 y
64 años). Luego, las variables ficticias se pueden incluir como variables independientes
(explicativas) en una regresión. Tenga en cuenta que el número de variables ficticias siempre es
uno menos que el número de categorías: con las dos categorías en blanco y negro hay una sola
variable ficticia para distinguirlas, mientras que con las tres categorías de edad se necesitan dos
ficticias (D 1, D 2) puede tener los valores (1,0) (menor de 18 años), (0,1) (entre 18 y 64) o (0,0)
Estos datos cualitativos también se pueden utilizar para las variables dependientes. Por
ejemplo, un investigador podría querer predecir si alguien será arrestado o no, utilizando los
ingresos familiares o la raza como variables explicativas. Aquí la variable a explicar es una
variable ficticia que vale 0 si el sujeto observado no es arrestado y vale 1 si el sujeto es arrestado.
En tal situación, los mínimos cuadrados ordinarios (la técnica de regresión básica) se consideran
hay tres o más categorías para la variable dependiente, por ejemplo, sin cargos, cargos y
sentencias de muerte. En este caso se utiliza la técnica probit multinomial o logit multinomial.
3.3 INDEPENDENCIA DE SUCESOS
otro suceso B ∈ A. Al estudiar dichas probabilidades, pueden darse los siguientes casos:
ocurrencia de B. Diremos entonces que el suceso B depende del suceso A. Si P(B/A) > P(B) se
dice que el suceso A favorece al B. Si P(B/A) < P(B) se dice que el suceso A desfavorece al B.
2. Si P(B/A) = P(B), es decir, la ocurrencia del suceso A no tiene ningún efecto sobre el
Demostración
Corolario
P(B) > 0,
A es independiente de B si y s´olo si B lo es de A y diremos, en general, que A y B son
independientes.
Notas
1. A y B son independientes.
2. A y B son independientes.
3. A y B son independientes.
complementarios en tal caso son también nulos o seguros y la independencia está garantizada.
clase de sucesos U ⊂ A no vacía, diremos que sus sucesos son independientes dos a dos, si ∀A,
B ∈ U, A 6= B, A y B son independientes.
clase de sucesos U ⊂ A no vacía, diremos que sus sucesos son mutuamente (completamente o
k j=1 P(Aij)
Nota.- Esta claro que la independencia mutua implica la independencia dos a dos, pero el
siguientes:
De modo que la probabilidad condicionada del evento A dado el evento B en estos casos es 1.
probabilidad condicional:
Probabilidad Condicionada
sucesos cambian el curso de los acontecimientos y, por tanto, la probabilidad de aquello que nos
interesa.
Empezando por un ejemplo muy sencillo, la probabilidad de que, al lanzar dos dados de 6
caras, la suma de los resultados sea 3 es de 2/36 (de las 36 posibles formas en las que caerán los
dados, 2 de ellas tendrán una suma de 3, 2+1 o 1+2). Sin embargo, si sabemos que en el primero
de los dados nos ha salido un 1, la probabilidad aumenta a 1/6 porque ya solo depende de que en
el segundo dado nos salga un 2. Cuando estamos en este tipo de circunstancias hablamos de
Cabe mencionar que aquello a lo que condicionamos, lo que hemos llamado evento B, no
siempre será algo que haya pasado antes si no que puede hacer referencia a determinadas
circunstancias que hacen que cambié todo. Por ejemplo, la probabilidad de ingresar en UCI por
la COVID-19 cambia según la franja de edad en la que te encuentras y, por tanto, estamos
se trata, al fin y al cabo, de una probabilidad para el evento A. y qué quiero decir con esto, pues
que nos estamos centrando en la probabilidad del evento A, aunque sea bajo unas condiciones
concretas B. Y aquí, el orden de los factores sí altera el resultado, es decir, la probabilidad de que
pase A dadas las condiciones B no serán nunca las mismas que la probabilidad del evento B bajo
las condiciones A.
Volviendo al ejemplo de los dos dados, hemos visto que la probabilidad de que sumen 3
bajo la condición de que el primero de ellos había dado 1 era de 1/6. Pero, si condicionamos a
que la suma sea 3, sabemos que el primer dado solo ha podido dar como resultado 1 o 2, por
tanto, la probabilidad de que haya salido un 1 en esas circunstancias sería de ½, muy distinta de
la primera.
Puede parecer obvio en este ejemplo pero, la cuestión es que, confundir estas
positivo
Imaginad que os hacen una prueba para ver si sufrís una determinada enfermedad. Toda
prueba de este tipo tiene asociada una probabilidad de dar positivo bajo la condición de sufrir
realmente la enfermedad. Este valor, conocido como sensibilidad, suele ser bastante alto.
Pongamos que en nuestro ejemplo es de 98%. También tiene una probabilidad de dar negativo
cuando no se tiene la enfermedad. Este valor es conocido como especificidad y también suele ser
Ante estas condiciones, obtener un positivo puede suponer un drama. Puede parecer que
(B) es “haber dado positivo”. Buscamos entonces la probabilidad P(tener la enfermedad | haber
dado positivo).
Sin embargo, la sensibilidad hace referencia a la probabilidad de dar positivo dado que se
tiene la enfermedad, esto es: P(haber dado positivo | tener la enfermedad) = 0.98 y, como ya
función de la segunda?
hecho, aquí aparece uno de los teoremas que más me gustan y que, como ya sabéis, es el
Teorema de Bayes.
Un ejemplo
El error que cometía nuestro fiscal y que ya hemos dicho que se conoce como la falacia
del fiscal o Prosecutor’s Fallacy, en inglés, no es solo un ejemplo de juguete. Uno de los casos
más famosos en los que esta falacia llevó a la cárcel, injustamente, a una persona, fue en el juicio
contra Sally Clark. Sally estaba acusada de haber asesinado a sus dos hijos pequeños. Los dos
pequeños de la familia Clark habían sufrido muerte súbita, un suceso muy triste pero que se
Durante el juicio, se incurrió en la falacia del fiscal al considerar lo probable que era que
los niños hubiesen muerto si la madre había sido la culpable, pero no la probabilidad de
posibles causas de muerte y, sobre todo, que la muerte súbita podía tener que ver con la genética
Así pues, solo me queda decir que no os dejéis llevar por las apariencias, y que siempre
penséis con claridad en cuál es el evento del que queréis calcular su probabilidad, no vayamos a
darle la vuelta.
3.6 TEOREMA DE BAYES
Bayes. El principal objetivo de este teorema es determinar la probabilidad que posee un suceso
dado A. El teorema de Bayes es muy útil, puesto que aplicándolo de la manera correcta se puede
conocer la probabilidad de que un suceso A pase, teniendo presente lo ocurrido durante el evento
B. Asimismo, existe la probabilidad de que suceda lo contrario, donde ocurra B dado A. Fue
propuesto por Thomas Bayes, un conocido teólogo y matemático inglés del siglo VIII. Bayes
destacó tanto en la teología como en las matemáticas con distintos trabajos, entre los que destaca
este teorema.
B.
variabilidad entre datos esté elevada, entonces es recomendable implementar algunos métodos
problema.
La fórmula es muy criticada, puesto que posee algunas limitaciones. Así se le critica que
todo exacto, pues creen que las únicas estadísticas correctas son las que están basadas en
Este teorema busca determinar las probabilidades de que un suceso ocurra o no,
analizando algunas ocasiones un suceso anterior. Eso quiere decir que se analiza bastante
información. El teorema de Bayes es posible aplicarlo en todo tipo de áreas estudio, como en las
inversiones financieras, puesto que se requiere analizar todo tipo de escenarios, al igual que
En las empresas, el teorema es eficaz al analizar el proceso productivo, puesto que existe
publicidad de una empresa es posible analizarla y mejorarla a través de la aplicación del teorema.
La fórmula propuesta por Bayes no se empleó con recurrencia durante el siglo XVIII y XIX,
pues en esa época el teorema no poseía una aplicación clara. Sin embargo, conforme
transcurrieron los años, su uso se empezó a implementar en diferentes ciencias, sobre todo con
Es importante porque permite resolver problemas en los que existen una gran variedad de
probabilidades, siendo así fundamental en todas las ciencias, ya que se analizan los sucesos
Un ejemplo sencillo del teorema de Bayes es: una persona posee tres cajas con pelotas.
En la caja 1 se encuentran diez pelotas, entre las cuales hay cuatro desinfladas; en la caja 2 están
seis pelotas, entre las cuales hay una desinflada; y en la caja 3 se encuentran ocho pelotas,
estando desinfladas tres. Si una persona recoge una pelota desinflada, ¿cuál sería la probabilidad
C1 (Caja 1)
C2 (Caja 2)
C3 (Caja 3)
B (Pelotas no desinfladas)
F (Pelotas desinfladas)
Eso quiere decir que la probabilidad de que una persona tome una pelota desinfladas de la
Bibliografía
https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/combinatoria/prob
abilidad-condicionada.html
http://prepa8.unam.mx/academia/colegios/matematicas/paginacolmate/applets/eyp/Applet
s_Geogebra/probacondi.html
https://economipedia.com/definiciones/probabilidad-condicional.html