Documente Academic
Documente Profesional
Documente Cultură
Y DISTRIBUCIÓN
MUESTRAL
El mundo de las probabilidades
El economista colombiano Ciro Martínez (2008), en su trabajo Estadística y muestreo, señala que:
El concepto de probabilidad puede ser interpretado como algo indefinible, pero utilizado para
expresar, de algún modo, un grado de creencia que uno tiene de la ocurrencia de un suceso;
nos referimos a algo que puede suceder con base en la experiencia que se tenga. Cuando
observamos o escuchamos el estado del tiempo, o sea los pronósticos meteorológicos
sobre la posibilidad de buen tiempo o la presencia de lluvias fuertes o ligeras, gran
nubosidad, vientos fuertes o en calma; los hinchas de diferentes equipos de futbol discuten
frecuentemente sobre la posibilidad de clasificación o de ganar el campeonato; algo similar
ocurre con los que juegan lotería o apuestan en las carreras de caballos; todos ellos son
pronósticos que hacemos con la esperanza de que sucedan. (p. 178)
Posibilidad
No.de defectuosos No.de defectuosos
1
i Probabilidades y posibilidades
Supongamos que se lanza 100 veces una moneda, anotamos el número de veces que sale cara y las
veces que sale sello; los resultados fueron los siguientes:
Se puede establecer una escala de valores comprendidos entre 0 y 1. La probabilidad igual a uno
corresponde al límite superior, el cual se considera como la certeza absoluta; para el otro extremo
igual a 0 se habla de imposibilidad absoluta.
Es aquella que se puede determinar Según Martinez (2008), se denomi- Este tipo de probabilidad parte de
de antemano, sin necesidad de nan así porque se obtienen de la la observación de la ocurrencia de
realizar el experimento. Ejemplo: la experiencia luego de observar las un fenomeno en el pasado para
probabilidad de que aparezca cara repeticiones de un evento o suceso determina qué tan probable es que
en el lanzamiento de una moneda, concreto. La probabilidad subjetiva vuelva a ocurrir en el futuro. Se
se sabe de antemano que es igual a depende de la percepción o criterio calcula así:
0,5." (Martínez, 2008). personal que se tenga sobre la
ocurrencia de un hecho, p.ej.,
Número de veces de
¿perderá la selección de fútbol en el ocurrencia del evento
próximo partido? Probabilidad de en el pasado
ocurrencia = Número total
de observaciones
https://www.youtube.com/watch?v=3VSOtDzYZSM
1
i Probabilidad: técnicas de conteo
• Principio de la multiplicación
• Principio aditivo
• Principio de la suma o adición
• Principio de permutación
• Principio de combinación
Donde
n!
nCr =
n: número de elementos
(n-r) !r! r: número de elementos tomados del conjunto
4! 4! 4!
4C4 == = = 1
(4-4) !4! (0) !4! (1) 4!
4!
4C2 == 6
(4-2) !2!
4! 4!
4C34 == =
(4-3) !3! 1 !3!
4P4=P4=4!= 4X3X2X1=24
8P8=P8=8!=40.320
n!
Pn (r) =
r!
12! 12x11x10x9x8x7x6x5x4x3!
P12(r:3,2,2) == = 19.958.400
3!2!2! 3!x2x1x2x1
8! 8! 8x7x6x5x4x3!
8P5 == == 6.720 maneras
(8-5)! 3! 3!
1
i Probabilidad de eventos
Eventos excluyentes
Espacio muestral S
Una serie de sucesos que se catalogan como mutuamente
excluyentes no pueden ocurrir de manera simultánea en un
mismo espacio de tiempo, es decir que la ocurrencia de uno Evento A Evento B
P= p1+p2+p3+………..+pn
Figura 1. Representación gráfica de sucesos
mutuamente excluyentes
Siendo p1, p2, p3…….pn las distintas probabilidades de ocurrencia de n eventos mutuamente
excluyentes, la probabilidad (P) de que uno de estos eventos se presente en un solo ensayo, estará
dada por la suma de las probabilidades para cada evento
P= p1+p2+p3+………+pn
Si un solo dado es lanzado al aire y el jugador puede ganar si obtiene el punto 1 o si obtiene
el punto 6, entonces en tal caso estamos hablando de dos sucesos que son «mutuamente
excluyentes entre sí», porque en un solo lanzamiento del dado no pueden aparecer los dos
eventos al mismo tiempo (o cae 1, o cae 6, o cae cualquier otro resultado del dado) (Eye in
the sky, s.f.).
4 13 1 4
P(A o B) = + - =
52 52 52 13
Eventos independientes
P=p1xp2xp3x………x pn
Fuente: (Fotolia, s.f.)
4 13 16 1
P= + - =
40 40 1.600 100
“Supongamos que se dispone de tres barajas de 40 cartas cada una. Se desea extraer tres cartas,
una de cada baraja; ¿cuál es la probabilidad de obtener un as y un rey de oros y un seis de copas?”
(Martínez, 2008)
Solución:
Observamos que los resultados son independientes, pues ninguno de ellos se ve afectado por la
aparición del otro; en estos casos aplicamos la regla especial de la multiplicación, siendo:
4 1 1 4 16
P(A y B y C) = x x == 0,0000625
40 40 40 64.000 16.000
P=p1xp2xp3x………x pn
Solución:
4
P1 =
40
3
P2 =
39
2
P3 =
38
4 3 2 24 1
P= xx = =
40 39 38 59280 2.470
P(A y B) P(A n B)
P(B|A) ==
P(B) P(B)
Solución:
(P(AnB) ) 0,18
P(B|A) == =0,2571=25,71%
P(B) 0,70
La fórmula general para Para ilustrar la aplicación de este teorema se utilizará el siguiente
aplicar el teorema es: ejemplo:
P(A1|B)
P(A1)P(B|A1)
=
P(A1)P(B|A1)+P(A2)P(B|A2)+... .+P(An)P(B|An)
1
P(A2) =
3
1
P(A3) =
3
6 3
P(B A1) = =
8 4
4 1
P(B A2) = =
8 2
6
P(B A3) = = 1
6
La probabilidad de que la
bola azul provenga del
primer recipiente será:
P(A1 B)
P(A1)P(B|A1)
=
P(A1)P(B |A1)+P(A2)P(B |A2) +P(A3)P(B|A3)
(1/3) (3/4) 1
P(A1|B) = =
1 1 1 3
(1/3) (3/4) + + (1)
3 2 3
= 0,33
(1/3) (1) 4
P(A3 B) = =
1 1 1 9
(1/3) (3/4) + + (1)
3 2 3
= 0,44
1
i Distribución de probabilidades
Dado que toda distribución de probabilidad puede adoptar diferentes valores, se dice que es
generada por una variable aleatoria x, la cual puede ser de dos tipos: variable aleatoria discreta y
variable aleatoria contínua.
Distribución binomial
También denominada como método exacto, corresponde a una distribución de variable aleatoria discreta.
De acuerdo con Martínez (2008), se puede suponer “que si durante repetidos ensayos, siendo p la
probabilidad de éxito en un solo ensayo, la cual debe permanecer fija, y q la probabilidad de fracaso,
entonces la probabilidad P de que se obtenga x éxitos en n ensayos, es el término del desarrollo
binomial de (q+p)n” (p.219).
n
P(x) = ( x) p x q n-x
Donde
n= número de ensayos
x= número de éxitos
p= probabilidad de éxito en cada ensayo
q= probabilidad de fracaso en cada ensayo
Figura 3. Gráfica de una distribución binomial (n=0.5) para n= 20, 40, 60, 80 y 100.
( 3)
8
P(x =3) = (0,85)3 (0,15)5 =0,0026= 0,26%
( 5)
8
P(x =5) = (0,15)5 (0,85)3 =0,0026= 0,26%
( 3) (0,15)
8
3
P(x =3) = (0,85) 5= 0,0839 = 8,39%
La probabilidad de que
por lo menos dos pierdan
alguna asignatura será:
n=8 P = 0,15 q = 0,85
X = 2,3,4,5,6,7,y 8
Distribución
Tabla 1. binomial. Cuando n = 8
Distribución binomial. Cuando n = 8
n x .05 .10 .15 .20 .25 .30 .35 .40 .45 .50
8 0 .6634 .4305 .2725 .1678 .1001 .0576 .0319 .0168 .0084 .0039
1 .2793 .3825 .3847 .3355 .2670 .1977 .1373 .0896 .0548 .0312
2 .0515 .1488 .2376 .2936 .3115 .2965 .2587 .2000 .1569 .1094
3 .0054 .0331 .0839 .1468 .2076 .2541 .2786 .2787 .2568 .2188
4 .0004 .0046 .0185 .0459 .0865 .1361 .1875 .2322 .2627 .2734
5 .0000 .0004 .0026 .0092 .0231 .0467 .0808 .1239 .1719 .2188
6 .0000 .0000 .0002 .0011 .0038 .0100 .0217 .0413 .0703 .1094
7 .0000 .0000 .0000 .0001 .0004 .0012 .0033 .0079 .0164 .0312
8 .0000 .0000 .0000 .0000 .0000 .0001 .0002 .0007 .0017 .0039
Distribución Poisson
Es una de las distribuciones más importantes de la variable discreta. Se aplica principalmente cuando
se abordan experimentos donde se presentan eventos catalogados como “raros”, es decir eventos
con una probabilidad mínima de ocurrencia (p) en un numero de observaciones (n) grande.
Donde
13 e -1 1(0,36788)
P(x =3) = = = 0,06131
3! (3)(2)(1)
= 6,13%
25 e -2 32(0,313534)
P(x =5) = = = 0,03609
5! 120
= 3,61%
P(x=5) =3,61%
Distribución normal
“Corresponde a una distribución de variable aleatoria continua, que se extiende sobre un campo
de variabilidad infinito” (Martínez, 2008). La distribución normal de una probabilidad está dada
por la siguiente función:
Donde
N
Y = e
A continuación, se analizará paso por paso el ejemplo que Martínez (2008) plantea en su libro sobre
estadística y muestreo para ilustrar el concepto de distribución normal:
… el experimento de lanzar 12 monedas, nos permite elaborar una tabla de frecuencias teóricas o
probabilísticas, con lo cual se obtendrán las probabilidades de aparición de 0 caras, 1 cara, 2 caras.....12
caras, con los resultados se podrá calcular la media, la varianza y la desviación típica, al igual como lo
hacíamos en la estadística descriptiva a fin de compararlo con los resultados obtenidos a través de la
distribución binomial, donde:
Tabla
Tabla 2. 2
Distribución de frecuencias
Distribución de frecuencias
Fuente: tomado
Fuente: tomado de Martínez,
de Martínez, C. (2008).
C. (2008). Estadística Bogotá:yEcoe
Estadística
y muestreo. muestreo. Bogotá: Ecoe
Ejercicio de aplicación
Con los datos de la tabla anterior, se realizará ahora un histograma de frecuencias, teniendo en cuenta
que el número de aparición de caras corresponde a una variable discreta y al no tener intervalos, se
deberá colocar cada valor de la variable en el centro del rectángulo; al unir los puntos medios en la
parte superior de cada rectángulo, se obtendrá una curva, conocida con los nombres de curva normal,
curva de Gauss, curva de error o curva de probabilidad.
Es importante recordar que la variable en una distribución binomial es discreta y que se debe
transformar en una variable continua, cuando se requiere utilizar la distribución normal; dado que la
amplitud del intervalo siempre va a ser uno (c=1), se divide entre 2 (c/2), siendo igual a 0,5. Ahora,
al restarlo se establece el límite inferior y al sumarlo se obtiene el límite superior de cada intervalo,
de esta manera se elaboró la primera columna de la tabla 1.
Ejercicio de aplicación
A continuación se observan algunas de las condiciones que debe cumplir una curva norma o
probabilística según Martínez (2008):
• La curva es simétrica.
• El área bajo la curva es igual al 100%.
• La curva no toca el eje horizontal (x) ya que es asintótica, se prolonga indefinidamente.
• La media µ se localiza en el centro, es decir, cada parte es igual al 50%.
• X toma valores de menor a mayor, es decir, de izquierda a derecha.
• Al estandarizar, convertir los valores de x en valores de z, ésta tendrá una media µz = 0 y z = 1
y z tomará valores desde -3 hasta +3 que cubre un área del 99,7% casi igual al 100%.
• La variante estadística Z=(x-µ)
•
• es una medida de las desviaciones estándar o de las llamadas unidades estandarizadas, conocida
como desviación normal. (p. 249)
La muestra que se utilizará para analizar y estimar las características de una población debe
ser representativa. La selección de dicha muestra puede atender diferentes criterios, como la
disponibilidad de tiempo, los recursos a utilizar, el conocimiento y habilidad para tomar la muestra,
entre otros elementos.A continuación se describirán algunos métodos utilizados para la selección
de muestras.
Distribuciones muestrales
Muestreo aleatorio simple
• Sin reposición de los elementos: la misma unidad no puede ser seleccionada más de
una vez, esto hace variar la probabilidad de obtener una determinada muestra.
• Con reposición: el elemento extraído es devuelto al universo, donde en la población
de tamaño N se pueden realizar extracciones de n elementos.
Distribuciones muestrales
Muestreo estratificado
N = N 1 + N 2 + ... N K
Distribuciones muestrales
Muestreo doble
Se realiza cuando el resultado del estudio de la primera muestra no es decisivo, entonces se extrae
una segunda de la misma población y las dos muestras son combinadas para analizar los resultados.
El siguiente ejemplo de Con el plan N=3000, n1=80, c1=1, n2=80, c2=4; del lote de 3000
Martínez (2008) ilustrará
mejor este último piezas se toma una muestra inicial de 80 y con base a la información
concepto. aportada por esta primera muestra se toma una de las tres decisiones
siguientes:
Recursos bibliográficos
Asesoría pedagógica
Ingrid Flórez
Guionización
Ingrid Flórez
Equipo técnico-pedagógico
Carolina Díaz
Carolina Calderón
Jorge Ardila
Carlos Ríos
Diseño gráfico
Carolina Gómez
Catalina Perea
Desarrollo multimedia
Andrés Salcedo
Probabilidad
Es el grado de creencia
sobre la ocurrencia de
un suceso
Distribución de
Técnicas de conteo Probabilidad de eventos Técnicas de muestreo
probabilidades