UNIDAD 1

Probabilidad es la ocurrencia o no ocurrencia de un hecho, suceso o fenómeno dentro de un momento

de tiempo determinado y bajo ciertas condiciones. Pueden expresarse en 1 o %

Experimento:
Es una acción, una prueba o ensayo para obtener un resultado determinado.
Experimento aleatorio.-
No se puede predecir con exactitud su posible resultado, aun cuando se repita, lo único que se
conoce es el conjunto total de posibles resultados, el cual siempre es igual a 1.

Espacio muestral.-
Es el conjunto total de todos los posibles resultados de un experimento aleatorio, la probabilidad de
todo el espacio muestral es siempre igual a 1.
Suceso o evento.-
Subconjunto de un espacio muestral, pueden ser simples o compuestos.
Son simples o elementales si únicamente son indivisibles, no más descompuestos.
Será suceso o evento compuesto si únicamente está conformado por dos o más eventos
elementales. La probabilidad de que ocurra un evento compuesto será igual a la sumatoria
de la probabilidad de los eventos elementales.

REGLA DE LA SUMA.-
○ Sucesos o eventos mutuamente excluyentes.-
A y B son sucesos mutuamente excluyentes, la ocurrencia de uno de ellos anula
automáticamente al del otro. No existe ningún punto en común en el espacio muestral, por
eso la intersección entre ambos es igual al conjunto vacío ().

ESTADISTICA_II[1] página 1
ESTADISTICA_II[1] página 2
 ○ Sucesos o eventos Solapados.-
A y B son dos sucesos solapados si entre ellos existen puntos en común en
el espacio muestral, es decir que la intersección entre ambos es diferente
del conjunto vacío.

○ Sucesos o eventos Complementarios.-

Ay B son sucesos que ocurren dentro de un mismo espacio muestral, serán
complementarios si uno de ellos es un subconjunto que contiene todos los
demás puntos del espacio muestral.

ESTADISTICA_II[1] página 3
REGLA DE LA MULTIPLICACIÓN.-
○ Sucesos o eventos independientes.-
A y B son independientes si la ocurrencia de uno de ellos no depende de ninguna manera o
forma del del otro.
Son dos o más sucesos independientes cuando el proceso de selección o extracción se
realiza con reemplazo o con reposición de la unidad extraída.

○ Sucesos o eventos dependientes.-

A y B son dos sucesos dependientes si la ocurrencia de uno de ellos depende en alguna
medida de la ocurrencia del otro, es decir cuando el proceso de selección o extracción al
azar se realiza sin reemplazo, es decir sin reposición.

ESTADISTICA_II[1] página 4
REVISIÓN DE LAS ESTIMACIONES ANTERIORES
Probabilidad Condicional.-
A y B son dos sucesos que se producen dentro de un mismo espacio muestral, entonces la
probabilidad de que ocurra el suceso A dado que primero ha ocurrido el suceso B como
condición es igual a la intersección entre A y B sobre la probabilidad de la condición.

TEOREMA DE BAYES P(B)

Es la fusión de dos teoremas que son el de la probabilidad total y el de la probabilidad
condicional, este teorema permite averiguar de donde probablemente viene el elemento
arbitrario. Si al teorema de la probabilidad total le adicionamos que la probabilidad que
ocurra el evento arbitrario > 0 entonces tenemos el teorema de Bayes denotado por:

ESTADISTICA_II[1] página 5
COMBINACIONES
Son aquellos arreglos lineales de los “n” elementos de un conjunto en los cuales no interesa el orden.
Sean “n” el total de elementos de un conjunto y sea “r” el número de elementos que se toman de una
vez de modo que se tienen combinaciones de:

PERMUTACIONES
Son arreglos lineales de los “n” elementos de un conjunto en los que interesa el orden, es decir que
debe existir un elemento o característica que haga referencia a un cierto orden dado.
Las permutaciones se las utiliza para formar grupos o equipos de trabajo en los cuales interesa el
orden como así también el cálculo de probabilidades.
El número de permutaciones de “n” elementos distintos tomados de “r” en “r” a la vez de modo que
“r” < n únicamente es igual a permutaciones de n en r.

ESTADISTICA_II[1] página 6
UNIDAD 2

Toman valores al azar y se la define como una función que asigna a cada punto del espacio
muestral su correspondiente probabilidad, se trata de una aplicación uno a uno en donde a cada
punto del dominio le corresponde sólo uno del codominio.
Para designar las variables aleatorias se utilizan las últimas letras del alfabeto mayúsculas y para
designar los valores que ellas toman se los hace con las mismas letras pero minúsculas.
El dominio de la función variable aleatoria es el conjunto de puntos del espacio muestral y su
codominio es el conjunto de números reales que toma la variable aleatoria.

Distribución de Probabilidades:
Muestra los posibles resultados de un experimento y la probabilidad de que cada uno se presente.

Sea X una variable, toma valores desde 0 hasta “n”, esta seguirá un desarroll
o binomial si cumple cuatro condiciones básicas:
• La probabilidad es constante durante las “n” veces en que el experimento se repite.
• El experimento aleatorio debe repetirse “n” veces.
• El experimento tiene únicamente dos resultados
• Sucesivas pruebas en que el experimento se repite son independientes (pruebas con reemplazo).

• Función de probabilidad.- f(X) = 1

Hace corresponder a cada valor que toma la variables aleatoria su correspondiente probabilidad.
Se trata de una aplicación uno a uno en donde el dominio de la función es el conjunto de números
que toma la variable aleatoria y el codominio el conjunto de probabilidades.
La probabilidad de obtener "x" exitos e "n" pruebas independientes.
Consideremos el experimento que consiste en lanzar tres monedas al aire (1 moneda
tres veces). Llamaremos “C” a Cara y “S” a Sello, el espacio muestral será:

P(x=0) =1 * 1 * 1/8
P (x=0) = 1/8
p=
q=p-1

ESTADISTICA_II[1] página 7
• Función de Probabilidad
Aquella función real valorada que asigna a que la variable aleatoria tome valores a un valor
específico que tome la variable “X”. Para obtener esta función se aplica sumatoria desde 0
hasta un punto “X” a la función de probabilidad.
Consideremos el mismo experimento que consiste en lanzar tres monedas al aire (1 moneda 3
veces).

F(x)acumulada de f(x)

• Esperanza Matemática
Llamada también media poblacional, valor esperado o simplemente. Se trata de un criterio
para la toma de decisiones bajo riesgo e incertidumbre.
En variables discretas la esperanza matemática está definida como la sumatoria del
producto de cada valor multiplicado por su probabilidad

Es igual al producto del tamaño de muestra multiplicado por la probabilidad de éxito.

X f(x) F(x) X * f(x)

0 1/8 1/8 0
1 3/8 1/2 3/8

Sumatoria de X*f(x) E(x) = 1,5 2 3/8 7/8 6/8 = 3/4

3 1/8 1 3/8
3/2 = 1,5

• Varianza V(X)
Representa la dispersión absoluta que mide la variabilidad de los datos observados de la masa
de distribución de probabilidad con respecto a la media poblacional. La varianza poblacional está
definida como la sumatoria del producto del cuadrado de los desvíos de cada valor observado
con respecto a la media poblacional y multiplicado por su correspondiente probabilidad.

X f(x) F(x) X * f(x) X2 * f(x)

0 1/8 1/8 0 0
1 3/8 1/2 3/8 3/8
2 3/8 7/8 6/8 = 3/4 3/2
3 1/8 1 3/8 9/8
La sumatoria de X2 * f(x) = E (x)
3/2 = 1,5 3
E (x) = 3

ESTADISTICA_II[1] página 8
Representaciones simplificadas pero completas de una realidad determinada.
Estos modelos permiten manipular la información estadística a nuestro alcance a través de la representación de
modelos de carácter probabilístico de uso limitado.

Aplicada a un muestreo de una población finita (N), sin reemplazo.

La características que debe reunir son:
• La información de la muestra se toma sin reposición.
• La probabilidad de éxito no es constante, cambia para cada observación.
• El tamaño de la muestra debe ser superior en un 5% con respecto al tamaño poblacional.
• La distribución es adecuada cuando el tamaño de la población es pequeña

• Función de Probabilidad f(x)

La probabilidad de que “x” de los “n” elementos o extracciones sean de tipo “k” es:

Seleccione 3 camisas de 12 de forma aleatoria

X f(x)
0 0,38
1 0,49
2 0,12
3 0,01
N=12
1 n=3

• Función distribución F(x).-

Se la obtiene aplicando sumatoria a la función de probabilidad desde 0 hasta un punto “x”.
X f(x) F (x)
0 0,38 0,38
1 0,49 0,87
2 0,12 0,99 Sumatoria base f(x) 1 copio 1y 2 sumo para 2 de F(x)…
3 0,01 1
1

ESTADISTICA_II[1] página 9
• Media E(x) o Esperanza
Es una intersección hipergeométrica es igual al producto del tamaño de muestra por la
probabilidad de éxito.
X f(x) F (x) x* f (x) Solo multiplicar (x) con f(x) la función de la probabilidad
Y la sumatoria = a la esperanza matemática.
0 0,38 0,38 0
1 0,49 0,87 0,49
2 0,12 0,99 0,24
3 0,01 1 0,03
1 0,75

• Varianza.-
Si la media se multiplica por la PROBABILIDAD DE FRACASO (q) todo por el factor de
corrección de finitud.
X f(x) F (x) x* f (x) X2 *f (x)
0 0,38 0,38 0 0
1 0,49 0,87 0,49 0,49
2 0,12 0,99 0,24 0,48
3 0,01 1 0,03 0,09
1 0,75 1,06

• Distribución Poisson
Utilizada en la medición de la f relativa de un evento sobre alguna unidad de tiempo o espacio.
• La variable aleatoria es el número de veces que ocurre un evento en un intervalo definido.
• La probabilidad de que ocurra el evento es proporcional al tamaño del intervalo.
• Los intervalos no se superponen y son independientes.

ESTADISTICA_II[1] página 10