ESTADISTICAS

CONCEPTO DE PROBABILIDAD
La probabilidad es una medida de la certidumbre asociada a un suceso o evento futuro y
suele expresarse como un número entre 0 y 1 (o entre 0 % y 100 %).

Una forma tradicional de estimar algunas probabilidades sería obtener la frecuencia de un

acontecimiento determinado mediante la realización de experimentos aleatorios, de los que
se conocen todos los resultados posibles, bajo condiciones suficientemente estables. Un
suceso puede ser improbable (con probabilidad cercana a cero), probable (probabilidad
intermedia) o seguro (con probabilidad uno).

La teoría de la probabilidad se usa extensamente en áreas como la estadística, la física, la

matemática, las ciencias, la administración, contaduría, economía y la filosofía para sacar
conclusiones sobre la probabilidad discreta de sucesos potenciales y la mecánica subyacente
discreta de sistemas complejos, por lo tanto es la rama de las matemáticas que estudia, mide
o determina los experimentos o fenómenos aleatorios.

Cuáles son los tipos de probabilidad?

Frecuencial.

Esta se determina acorde a la frecuencia de ocurrencia de un fenómeno, en un número

determinado de eventos auto realizados, donde se procede a llevar la anotación de las mismas
frecuencias.

Por ejemplo, se toma una chapa y se lanza 20 veces al aire, se anota las veces que la misma
ha caído con la cara hacia abajo y las veces que la misma ha caído con la cara hacia arriba.

Matemática.

Obedece a un conjunto de operaciones aritméticas que se lleva a cabo, las cuales ameritan
que se calculen en cifras los eventos aleatorios que pueden suceder en un determinado campo.

Utilizando el ejemplo anterior, se calcularían las veces en las cuales la chapa cae boca arriba
o bien boca abajo.

Binomial.

En este caso, se calcula la posibilidad de éxito o de fracaso de un determinado acto, de modo

tal, que el cálculo va a residir en la cualidad de ocurrencia o no del fenómeno.
Objetiva.

Se conocen de antemano las frecuencias, de forma tal, que solo se conocerán los casos
probables en los que sucederá un fenómeno.

Es decir, acorde a esta probabilidad las condiciones necesarias para la existencia del hecho
ya son previamente conocidas, solamente se determinará un valor aproximado para los casos
posibles en que pueda acontecer el hecho.

Geométrica.

Muchos la han catalogado como un subtipo de la probabilidad matemática, y es aquella en la

cual, los científicos pueden conocer con exactitud las veces o casos favorables en los que
puede darse un evento.

Subjetiva.

Se contrapone a la probabilidad matemática, ya que en esta, solo es posible de determinar

por ciertas eventualidades, que pueden arrogar cierto grado de posibilidad en la ocurrencia
del hecho.

Ejemplo de ello, son las probabilidades que las personas citan en la vida cotidiana, como es
el caso, de indicar que existen probabilidades de que llueva de noche cuando el cielo se ve
despejado.

Tal probabilidad, se funda en evidencias previas de noches que por coincidencia el cielo está
despejado y llovió, pero no por ello, se puede establecer una probabilidad certera.

Hipergeométrica.

Aquella que se realiza acorde a la técnica del muestreo, es decir, la ocurrencia de los eventos
se clasifican por la frecuencia de su acontecimiento, creándose así una serie de grupos de
eventos determinados por su aparición.

Por ejemplo, se lanza un dado, y se anota las veces que sale cada una de sus caras, hasta
establecer una frecuencia de aparición de cada una de estas.

Poisson.

Mecanismo de cálculo de probabilidades más complejos, ya que pretende determinarlas en

espacio y en tiempo también.

Lógica.

Establece la posibilidad de ocurrencia de un hecho de forma inductiva, con arreglo a las leyes
de la lógica.
Condicionada.

En este caso, se establece la relación de causalidad entre dos hechos, ya que solo es posible
determinar la ocurrencia de uno, si el otro ha sucedido de forma previa.

Es decir, para que suceda tal acción, es menester que otra se haya producido con anterioridad.

De intersección y De la unión.

En este caso, se analiza la relación que puede establecerse entre dos hechos, es decir, se
selecciona un evento y otro, siendo posible considerar la existencia de un tercer hecho, si
estos dos suceden.

Es decir, al igual que la condicionada, se sujeta la existencia de un evento siempre y cuando

dos de los que le antecedan sucedan por igual.

De espacio muestral.

Son todos los resultados que un experimento aleatorio ha arrogado, estos se aglomeran en
uno solo, acorde a la cantidad de frecuencias de eventos y la contribución de estos a los
resultados positivos y deseados.

Clásica.

Es aquella que establece la regla de las probabilidades, conforme a la cual, la cantidad de

eventos que sucedan de forma positiva, será la misma cantidad que favorezca los resultados
deseados, es decir,

Simple o Compuesta.

Aquellas en las que se determinan la posibilidad o no de ocurrencia de un determinado

evento.

Distribución de probabilidad
La distribución Normal suele conocerse como la "campana de Gauss".

En teoría de la probabilidad y estadística, la distribución de probabilidad de una variable

aleatoria es una función que asigna a cada suceso definido sobre la variable la probabilidad
de que dicho suceso ocurra. La distribución de probabilidad está definida sobre el conjunto
de todos los sucesos y cada uno de los sucesos es el rango de valores de la variable aleatoria.
También puede decirse que tiene una relación estrecha con las distribuciones de frecuencia.
De hecho, una distribución de probabilidades puede comprenderse como una frecuencia
teórica, ya que describe cómo se espera que varíen los resultados.
La distribución de probabilidad está completamente especificada por la función de
distribución, cuyo valor en cada x real es la probabilidad de que la variable aleatoria sea
menor o igual que x.

Eventos y espacio muestral

1. 1. Eventos aleatorios, espaciomuestral y técnicas de conteo Leonardo García

Lamas .
2. 2. Eventos aleatoriosUn evento se entiende como el acontecimiento de un hechoen
proceso o por venir. Se dice que es aleatorio, si no esposible determinarlo con
exactitud. En todo caso, será posiblepredecirlo con un nivel dado de confianza.
Al evento tambiénse le denomina un suceso o un fenómeno.Generalmente, se
simula el evento por un conjunto devariables relacionadas entre si. Por lo tanto,
un evento estárepresentado con una o más variables vinculadas entre ellas.Si las
variables (una o varias de éstas) no son predeciblescon exactitud se dice que el
evento es aleatorio.Generalmente las variables representan atributos ypropiedades
de los entes que intervienen en el evento, y quepueden ser medidos.
3. 3. Ejemplos Se lanza una moneda de un peso mexicano. Se observa si el
resultado es águila o sol. Se lanza un par de dados y se observa la suma de los
números de la cara superior. De una baraja americana normal, se reparte una
mano de póker de cinco cartas y se cuenta el número de Ases entregados. Se
coloca un foco a la corriente y se mide el tiempo que éste tarda en fundirse. En
una urna con bolas de igual forma pero donde hay 20 de color negro y 30 de color
blanco. Se extraen tres bolas y se cuenta el número de bolas blancas extraídas.
4. 4. Espacio muestral Un espacio muestral o espacio de muestreo es el conjunto
de todos los resultados posibles de un experimento aleatorio. A cada uno de sus
elementos se los denomina como punto muestral o, simplemente, muestra.
5. 5. • Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio de
muestreo es el conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}. Un
evento o suceso es cualquier subconjunto del espacio muestral, llamándose a los
sucesos que contengan un único elemento sucesos elementales. En el ejemplo, el
suceso "sacar cara en el primer lanzamiento", o {(cara, cara), (cara, cruz)}, estaría
formado por los sucesos elementales {(cara, cara)} y {(cara, cruz)}.
6. 6. • En algunos casos, los experimentos pueden tener dos o más espacios
muéstrales posibles. El experimento de tomar un naipe de una baraja española,
por ejemplo, tiene un espacio de muestreo compuesto por los números y otro
espacio muestral formado por los palos. La descripción más completa, pues,
debería incluir ambos valores (número y palo) en un eje cartesiano.• Los espacios
maestrales pueden ser discretos (cuando el número de sucesos elementales es
finito o numerable) o continuos (en los casos en que el número de sucesos
elementales es infinito incontable).
7. 7. Técnicas de conteo Es un fenómeno fundado en la experiencia, el cual al
repetirlo y observarlo en las mismas condiciones en que se desarrolla sus
resultados no son siempre los mismos, sino que los datos o mediciones son solo
aproximaciones al verdadero valor de la probabilidad del evento.
8. 8. Ejemplo 1: Un juego de dados consiste en adivinar el número de puntos que
caerán al lanzar un dado. Dos jugadores hacen su apuesta por un número de puntos
antes de lanzarlo. El que adivina gana la apuesta. Si nadie adivina, lo apostado se
gana para el próximo juego. Los jugadores se turnan para elegir primero un
número por el cual apostar. a) ¿Cuántos resultados posibles hay? b) ¿Cuál es la
probabilidad de que el primer jugador que seleccione un número de puntos que
caerán adivine? c) ¿Cuál es la probabilidad de que ninguno de los jugadores
adivine el número de puntos que caerán?
9. 9.  Al reflexionar, se concluye que los resultados posibles son 6 (1, 2, 3, 4, 5, 6),
pero ninguna jugador sabe antes de lanzar el dado cuantos puntos caerán. La
regularidad estadística indica que al practicar repetidamente el experimento
asociado a determinado fenómeno aleatorio se obtiene una frecuencia relativa, la
cual se aproximara al verdadero valor de la probabilidad del evento si el número
de observaciones n es grande. Algunos eventos posibles al desarrollarse el
experimento de lanzar el dado son: a) Caen 4 puntos, A = 4 b) Caen mas de 4
puntos, B = 5,6 c) Caen un numero par de puntos, C = 2, 4, 6.
10. 10. Ejemplo 2: Un vendedor de autos quiere presentar a sus clientes todas las
diferentes opciones con que cuenta: auto convertible, auto de 2 puertas y auto de
4 puertas, cualquiera de ellos con rines deportivos o estándar. ¿Cuántos diferentes
arreglos de autos y rines puede ofrecer el vendedor? Para solucionar el problema
podemos emplear la técnica de la multiplicación, (donde m es número de modelos
y n es el número de tipos de rin). Número total de arreglos = 3 x 2
11. 11.  No fue difícil de listar y contar todos los posibles arreglos de modelos de
autos y rines en este ejemplo. Suponga, sin embargo, que el vendedor tiene para
ofrecer ocho modelos de auto y seis tipos de rines. Sería tedioso hacer un dibujo
con todas las posibilidades. Aplicando la técnica de la multiplicación fácilmente
realizamos el cálculo: Número total de arreglos = m x n = 8 x 6 = 48
12. 12. Variables en técnicas de conteo Las variaciones son técnicas de conteo que
respetan el orden, es decir AB BA. En realidad cuando hemos resuelto el
problema de ¿ cuántas palabras de tres letras se pueden escribir con las letras A B
C D hemos resuelto un problema de variaciones, porque respetamos el orden:
ABC CAB CBA etc.
13. 13.  Además las variaciones pueden ser con repetición o sin repetición.
Conocemos como variaciones sin repetición… Variaciones sin repetición: Con
las letras A, B, C, D se pueden escribir 24 palabras de 3 letras diferentes, esto
mismo matemáticamente se dice: hay 24 variaciones de 4 elementos tomados de
3 en 3. Y se escribe 4v3 =24 Y se calcula así: 4v3= 4 * 3 * 2 =24

Esperanza matemátic
En estadística la esperanza matemática (también llamada esperanza, valor

esperado, media poblacional o media) de una variable aleatoria , es el número

o que formaliza la idea de valor medio de un fenómeno aleatorio.

 Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la
probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho
suceso. Por lo tanto, representa la cantidad promedio que se "espera" como resultado
de un experimento aleatorio cuando la probabilidad de cada suceso se mantiene
constante y el experimento se repite un elevado número de veces. Cabe decir que el
valor que toma la esperanza matemática en algunos casos puede no ser "esperado" en
el sentido más general de la palabra (el valor de la esperanza puede ser improbable o
incluso imposible).

Por ejemplo, el valor esperado cuando tiramos un dado equilibrado de 6 caras es 3,5.
Podemos hacer el cálculo

14.

y cabe destacar que 3,5 no es un valor posible al tirar el dado. En este caso, en el que todos
los sucesos son de igual probabilidad, la esperanza es igual a la media aritmética.

15. Una aplicación común de la esperanza matemática es en las apuestas o los juegos
de azar. Por ejemplo, la ruleta francesa tiene 37 casillas equiprobables. La
ganancia para acertar una apuesta a un solo número paga de 35 a 1 (es decir,
cobramos 35 veces lo que hemos apostado). Por tanto, considerando los 37
posibles resultados, la esperanza matemática del beneficio para apostar a un solo
número es:

16.

que es aproximadamente -0,027027. Por lo tanto uno esperaría, en media, perder unos
2,7 céntimos por cada euro que apuesta, y el valor esperado para apostar 1 euro son
0.97273 euros. En el mundo de las apuestas, un juego donde el beneficio esperado es
cero (no ganamos ni perdemos) se llama un "juego justo".

17. Nota: El primer término es la "esperanza" de perder la apuesta de 1€, por eso el
valor es negativo. El segundo término es la esperanza matemática de ganar los
35€. La esperanza matemática del beneficio es el valor esperado a ganar menos el
valor esperado a perder.

En estadística, la distribución binomial es una distribución de probabilidad discreta que

cuenta el número de éxitos en una secuencia de n ensayos de Bernoulli independientes entre
sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos. Un experimento de
Bernoulli se caracteriza por ser dicotómico, esto es, solo dos resultados son posibles. A uno
de estos se denomina «éxito» y tiene una probabilidad de ocurrencia p y al otro, «fracaso»,
con una probabilidad2 q = 1 - p. En la distribución binomial el anterior experimento se repite
n veces, de forma independiente, y se trata de calcular la probabilidad de un determinado
número de éxitos. Para n = 1, la binomial se convierte, de hecho, en una distribución de
Bernoulli.

Para representar que una variable aleatoria X sigue una distribución binomial de parámetros
n y p, se escribe:

La distribución binomial es la base del test binomial de significación estadística.

Distribución normal
En estadística y probabilidad se llama distribución normal, distribución de Gauss,
distribución gaussiana o distribución de Laplace-Gauss, a una de las distribuciones de
probabilidad de variable continua que con más frecuencia aparece en estadística y en la teoría
de probabilidades.1

La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de

un determinado parámetro estadístico. Esta curva se conoce como campana de Gauss y es el
gráfico de una función gaussiana.2

La importancia de esta distribución radica en que permite modelar numerosos fenómenos

naturales, sociales y psicológicos. 3Mientras que los mecanismos que subyacen a gran parte
de este tipo de fenómenos son desconocidos, por la enorme cantidad de variables
incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse
asumiendo que cada observación se obtiene como la suma de unas pocas causas
independientes.

De hecho, la estadística descriptiva sólo permite describir un fenómeno, sin explicación

alguna. Para la explicación causal es preciso el diseño experimental, de ahí que al uso de la
estadística en psicología y sociología sea conocido como método correlacional.

La distribución normal también es importante por su relación con la estimación por mínimos
cuadrados, uno de los métodos de estimación más simples y antiguos.

Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de la

normal son:

 caracteres morfológicos de individuos como la estatura;

 caracteres fisiológicos como el efecto de un fármaco;
 caracteres sociológicos como el consumo de cierto producto por un mismo grupo de
individuos;
 caracteres psicológicos como el cociente intelectual;
  nivel de ruido en telecomunicaciones;
 errores cometidos al medir ciertas magnitudes;
 etc.

La distribución normal también aparece en muchas áreas de la propia estadística. Por

ejemplo, la distribución muestral de las medias muestrales es aproximadamente normal,
cuando la distribución de la población de la cual se extrae la muestra no es normal.4 Además,
la distribución normal maximiza la entropía entre todas las distribuciones con media y
varianza conocidas, lo cual la convierte en la elección natural de la distribución subyacente
a una lista de datos resumidos en términos de media muestral y varianza. La distribución
normal es la más extendida en estadística y muchos tests estadísticos están basados en una
"normalidad" más o menos justificada de la variable aleatoria bajo estudio.

En probabilidad, la distribución normal aparece como el límite de varias distribuciones de

probabilidad continuas y discretas.