Estadística

En estadística, un fenómeno aleatorio es aquel que bajo el mismo

conjunto aparente de condiciones iniciales, puede presentar resultados
diferentes, es decir, no se puede predecir el resultado exacto de cada
experiencia particular. (Ej: Lanzamiento de un dado)

Teorías probabilistas. Es la rama de la matemática que proporciona

los fundamentos, modelos matemáticos y el lenguaje que se utiliza en
estadística .se encarga de modelar matemáticamente la incertidumbre
o aleatoriedad de ciertas caracterizas de un fenómeno de interés

Clasica

LEY DE PROBABILIDAD TOTAL

El teorema de Bayes es utilizado para calcular la probabilidad de un suceso, teniendo

información de antemano sobre ese suceso.

Podemos calcular la probabilidad de un suceso A, sabiendo además que ese A cumple

cierta característica que condiciona su probabilidad.  El teorema de Bayes entiende la
probabilidad de forma inversa al teorema de la probabilidad total. El teorema de la
probabilidad total hace inferencia sobre un suceso B, a partir de los resultados de los
sucesos A. Por su parte, Bayes calcula la probabilidad de A condicionado a B.

El teorema de Bayes ha sido muy cuestionado. Lo cual se ha debido, principalmente, a su

mala aplicación. Ya que, mientras se cumplan los supuestos de sucesos disjuntos y
exhaustivos, el teorema es totalmente válido.
Fórmula del teorema de Bayes
Para calcular la probabilidad tal como la definió Bayes en este tipo de sucesos, necesitamos
una fórmula. La fórmula se define matemáticamente como:

Donde B es el suceso sobre el que tenemos información previa y A(n) son los distintos
sucesos condicionados. En la parte del numerador tenemos la probabilidad condicionada, y
en la parte de abajo la probabilidad total. En cualquier caso, aunque la fórmula parezca un
poco abstracta, es muy sencilla. Para demostrarlo, utilizaremos un ejemplo en el que en
lugar de A(1), A(2) y A(3), utilizaremos directamente A, B y C.

Ejemplo del teorema de Bayes

Una empresa tiene una fábrica en Estados Unidos que dispone de tres máquinas A, B y C,
que producen envases para botellas de agua. Se sabe que la máquina A produce un 40%
de la cantidad total, la máquina B un 30% , y la máquina C un 30%. También se sabe que
cada máquina produce envases defectuosos. De tal manera que la máquina A produce un
2% de envases defectuosos sobre el total de su producción, la máquina B un 3%, y la
máquina C un 5%. Dicho esto, se plantean dos cuestiones:

P(A) = 0,40      P(D/A) = 0,02

P(B) = 0,30      P(D/B) = 0,03

P(C) = 0,30      P(D/C) = 0,05

1.Si un envase ha sido fabricado por la fábrica de esta empresa en Estados Unidos ¿Cuál
es la probabilidad de que sea defectuoso?

Se calcula la probabilidad total. Ya que, a partir los diferentes sucesos, calculamos la

probabilidad de que sea defectuoso.

P(D) =[ P(A) x P(D/A) ] + [ P(B) x P(D/B) ] + [ P(C) x P(D/C) ] = [ 0,4 x 0,02 ] + [ 0,3 x
0,03 ] + [ 0,3 x 0,05 ] = 0,032

Expresado en porcentaje, diríamos que la probabilidad de que un envase fabricado por la

fábrica de esta empresa en Estados Unidos sea defectuoso es del 3,2%.
2. Siguiendo con la pregunta anterior, si se adquiere un envase y este es defectuoso
¿Cuáles es la probabilidad de que haya sido fabricado por la máquina A?¿Y por la
máquina B?¿Y por la máquina C?

Aquí se utiliza el teorema de Bayes. Tenemos información previa, es decir, sabemos que el
envase es defectuoso. Claro que, sabiendo que es defectuoso, queremos saber cual es la
probabilidad de que se haya producido por una de las máquinas.

P(A/D) = [P(A) x P(D/A)] / P(D) =  [0,40 x 0,02] / 0,032 = 0,25

P(B/D) = [P(B) x P(D/B)] / P(D) = [0,30 x  0,03] / 0,032 = 0,28

P(C/D) = [P(C) x P(D/C)] / P(D) = [0,30 x  0,05] / 0,032 = 0,47

Sabiendo que un envase es defectuoso, la probabilidad de que haya sido producido por la
máquina A es del 25%, de que haya sido producido por la máquina B es del 28% y de que
haya sido producido por la máquina C es del 47%.

Un fenómeno aleatorio es un evento cuyo resultado, bajo situaciones similares, no se

puede predecir.

En primer lugar, un fenómeno aleatorio es por naturaleza impredecible. De ahí que se

denomine aleatorio (azaroso). Por ejemplo, la climatología. Bajo circunstancias similares,
el clima puede ser cambiante.

Ahora bien, el hecho de que un fenómeno aleatorio, por definición, esté dominado por las
leyes del azar no impide que sea susceptible de ser estudiado. Es más, la teoría de la
probabilidad nace, precisamente, por la existencia de fenómenos aleatorios.

Se recomienda leer la definición de estadística.

La necesidad del hombre de saber qué pasará es evolutiva. Y, ciertamente, ese estudio nos
facilita una mejor comprensión de los fenómenos. En consecuencia, nos permite tomar
mejores decisiones.

Si no tenemos paraguas y sabemos que mañana lloverá con un 80% de probabilidad,

conseguir hoy un paraguas es una buena decisión. Si finalmente no lo necesitamos, no
ocurre nada. Pero si lo necesitamos y no lo tenemos, podemos mojarnos en exceso y
enfermar.

Características de un fenómeno aleatorio

Para distinguir un fenómeno aleatorio de aquel que no lo es, vamos a nombrar diferentes
características. Las características de un fenómeno aleatorio son:
  No se pueden predecir de forma precisa.
 Cualquier cambio en las condiciones iniciales, afecta al resultado final.
 Pueden (o no) presentar patrones repetitivos.
 Se repiten eventos parecidos bajo condiciones similares .

El primer punto es esencial en cuanto que si se pueden predecir de forma precisa, ya no son
fenómenos aleatorios. Serán fenómenos deterministas. En segundo lugar, cualquier cambio
en las condiciones iniciales afecta al resultado final. Pueden presentar patrones repetitivos
(y nos interesa estudiarlos estadísticamente) pero también puede ser completamente
azarosos. Y, aunque esto no es esencial, se repiten las condiciones de partida iniciales con
cierta frecuencia.

Relación entre fenómeno aleatorio y experimento

aleatorio
El fenómeno aleatorio es el evento o acontecimiento que se pretende investigar. Por su
parte, el experimento aleatorio es una prueba para estudiar el fenómeno aleatorio.

En algunos casos, los experimentos aleatorios se refieren a acontecimientos que podemos

repetir en condiciones similares. Por ejemplo, el experimento lanzar una moneda para ver si
sale cara o cruz. Sin embargo, otras veces no podemos repetir el fenómeno de forma
tangible. Por ejemplo, las cotizaciones bursátiles.

Los datos de las cotizaciones se generan solos. Ahora bien, con esos datos podemos realizar
pruebas o experimentos para detectar patrones de comportamiento.

Ejemplo de fenómeno aleatorio

A continuación, se muestran ejemplos de fenómenos aleatorios:

 Crecimiento económico
 Resultados de las elecciones gubernamentales
 Evolución del desempleo
 Crisis económicas
 Clima
 Cotizaciones bursátiles
 Resultado de lanzar una moneda

Todos los fenómenos anteriores tienen una característica común: son aleatorios. Ahora
bien, el hecho de que sean aleatorios no quita que existan algunos más aleatorios que otros.
Espacio muestral
José Francisco López
Lectura: 2 min

El espacio muestral está formado por todos los posibles resultados de un experimento
aleatorio. Es decir, se compone de todos y cada uno de los sucesos elementales.

El espacio muestral es una parte del espacio probabilístico. Como su propio nombre indica,
está formado por los elementos de la muestra. Al contrario, el espacio probabilístico
engloba todos los elementos. Incluso aunque no salgan recogidos en la muestra.

Símbolo del espacio muestral

El espacio muestral se denota con la letra griega Ω (Omega). Está compuesto por todos los
sucesos elementales y/o compuestos de la muestra y, por tanto, coincide con el suceso
seguro. Es decir, aquel suceso que siempre va a ocurrir.

Un ejemplo de espacio muestral en el lanzamiento de una moneda sería:

Ω = {C, X}

Dónde C es cara y X es cruz. Esto es, los posibles resultados son cara o cruz.

Ejemplo de espacio muestral

Supongamos el caso de un dado con 4 caras. Enumeradas del 1 al 4 ¿Cuál sería el espacio
muestral del experimento lanzar un dado una sola vez?

Ω = {1, 2, 3, 4}

¿Y si el experimento consiste en lanzar el dado dos veces? Diferenciamos entre un dado

rojo y un dado verde.

Ω = {1 y 1, 1 y 2, 1 y 3, 1 y 4, 2 y 1, 2 y 2, 2 y 3, 2 y 4 … 4 y 4 }

Es decir, que en el dado rojo salga un 1 y que en el dado verde salga un 1, sería el primer
suceso elemental. El segundo suceso elemental consistiría en que en el dado rojo salga un 1
y en el verde un 2. Así hasta un total de 16 sucesos elementales.

A través de la historia se han desarrollado tres enfoques conceptuales diferentes para definir
la probabilidad y determinar los valores de probabilidad:
La teoría de la probabilidad es una herramienta matemática que establece un
conjunto de reglas o principios útiles para calcular la ocurrencia o no ocurrencia de
fenómenos aleatorios y procesos estocásticos.

En otras palabras, la teoría de la probabilidad está compuesta por todos los conocimientos
relativos al concepto de probabilidad. Se trata de un concepto, en esencia, matemático. Así
mismo, la probabilidad como rama de las matemáticas constituye un instrumento para la
estadística.

Conviene destacar que probabilidad y estadística no son la misma cosa. Son dos conceptos
relacionados pero diferentes. Al final de este artículo, explicaremos la diferencia entre estos
dos términos.

El enfoque clásico

Dice que si hay x posibles resultados favorables a la ocurrencia de un evento A y z posibles

resultados desfavorables a la ocurrencia de A, y todos los resultados son igualmente
posibles y mutuamente excluyente (no pueden ocurrir los dos al mismo tiempo), entonces la
probabilidad de que ocurra A es:

El enfoque clásico de la probabilidad se basa en la suposición de que cada resultado sea

igualmente posible.

Este enfoque es llamado enfoque a priori porque permite, (en caso de que pueda aplicarse)
calcular el valor de probabilidad antes de observar cualquier evento de muestra.

Ejemplo:

Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. La probabilidad de sacar una
piedra roja en un intento es:

El enfoque de frecuencia relativa

También llamado Enfoque Empírico, determina la probabilidad sobre la base de la

proporción de veces que ocurre un evento favorable en un numero de observaciones. En
este enfoque no ese utiliza la suposición previa de aleatoriedad. Porque la determinación de
los valores de probabilidad se basa en la observación y recopilación de datos.
Ejemplo:

Se ha observado que 9 de cada 50 vehículos que pasan por una esquina no tienen cinturón
de seguridad. Si un vigilante de transito se para en esa misma esquina un ida cualquiera
¿Cuál será la probabilidad de que detenga un vehículo sin cinturón de seguridad?

Tanto el enfoque clásico como el enfoque empírico conducen a valores objetivos de

probabilidad, en el sentido de que los valores de probabilidad indican al largo plazo la tasa
relativa de ocurrencia del evento.

El enfoque subjetivo

Dice que la probabilidad de ocurrencia de un evento es el grado de creencia por parte de un

individuo de que un evento ocurra, basado en toda la evidencia a su disposición. Bajo esta
premisa se puede decir que este enfoque es adecuado cuando solo hay una oportunidad de
ocurrencia del evento. Es decir, que el evento ocurrirá o no ocurrirá esa sola vez. El valor
de probabilidad bajo este enfoque es un juicio personal. La probabilidad subjetiva es
aquella que se basa en la experiencia individual. La persona evalúa las posibilidades y
asigna los valores de acuerdo a los hechos previos que conoce.

Es posible vincular la probabilidad subjetiva a una

frecuencia relativa o a una conjetura. El sujeto mide el
grado de probabilidad según la verosimilitud que le otorga a
cada resultado posible.

Recordemos que, en un experimento aleatorio, no se puede

establecer con certeza si un cierto evento sucederá, o no, en
una prueba específica. A la medición de la probabilidad de
que el evento en cuestión ocurra se le puede asignar un
número.

En el caso de la probabilidad subjetiva, la estimación de la ocurrencia del evento se basa en

la intuición o en la opinión, generalmente derivadas de experiencias previas. El individuo
analiza la información que dispone y otorga un valor de probabilidad al evento según su
nivel de creencia acerca de que el evento efectivamente ocurra.

Es habitual que alguien recurra a la probabilidad subjetiva al referirse al pronóstico del

tiempo. Aquel que no es meteorólogo ni tiene la posibilidad de interpretar información
científica procedente de satélites puede basarse en su propia experiencia para estimar qué
tan probable es que llueva en las siguientes horas. Si expresa “Creo que hay un 90% de
posibilidades de que empiece a llover antes del atardecer”, estará apelando a la
probabilidad subjetiva.
La probabilidad subjetiva, en definitiva, es una manera de cuantificar la probabilidad de
ocurrencia de un suceso a partir de factores individuales de ponderación. Este recurso
puede resultar útil cuando no existe otro modo de cuantificar que sea más confiable.

Teoria axiomática:

Los axiomas de probabilidad son las condiciones mínimas que deben verificarse para que
una función definida sobre un conjunto de sucesos determine consistentemente sus
probabilidades. Fueron formulados por Kolmogórov en 1933.

Axiomas de Kolmogórov
Dado un conjunto de sucesos elementales, Ω, sobre el que se ha definido una σ-álgebra
(léase sigma-álgebra) σ de subconjuntos de Ω y una función P que asigna valores reales a
los miembros de σ, a los que denominamos "sucesos", se dice que P es una probabilidad
sobre (Ω,σ) si se cumplen los siguientes tres axiomas.

Según este axioma se puede calcular la probabilidad de un suceso compuesto de varias

alternativas mutuamente excluyentes sumando las probabilidades de sus componentes.

En términos más formales, una probabilidad es una medida sobre una σ-álgebra de
subconjuntos del espacio muestral, siendo los subconjuntos miembros de la σ-álgebra los
sucesos y definida de tal manera que la medida del total sea 1. Tal medida, gracias a su
definición matemática, verifica igualmente los tres axiomas de Kolmogórov. A la terna
formada por el espacio muestra, la σ-álgebra y la función de probabilidad se la denomina
Espacio probabilístico, esto es, un "espacio de sucesos" (el espacio muestral) en el que se
han definido los posibles sucesos a considerar (la σ-álgebra) y la probabilidad de cada
suceso (la función de probabilidad).
El Teorema de la probabilidad total nos permite calcular la probabilidad de un suceso a
partir de probabilidades condicionadas:

Ejemplo: supongamos que si llueve la probabilidad de que ocurra un accidentes es x% y si

hace buen tiempo dicha probabilidad es y%. Este teorema nos permite deducir cuál es la
probabilidad de que ocurra un accidente si conocemos la probabilidad de que llueva y la
probabilidad de que haga buen tiempo.

La fórmula para calcular esta probabilidad es:

Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que ocurra un
accidente) es igual a la suma de multiplicar cada una de las probabilidades
condicionadas de este suceso con los diferentes sucesos A (probabilidad de un accidente
cuando llueve y cuando hace buen tiempo) por la probabilidad de cada suceso A.
 

Para que este teorema se pueda aplicar hace falta cumplir un requisito:

Los sucesos A tienen que formar un sistema completo, es decir, que contemplen todas
las posibilidades (la suma de sus probabilidades debe ser el 100%).

Ejemplo: al tirar una moneda, el suceso "salir cara" y el suceso "salir cruz" forman un
sistema completo, no hay más alternativas: la suma de sus probabilidades es el 100%

Ejemplo: al tirar un dado, que salga el 1, el 2, el 3, o el 4 no forman un sistema completo,

ya que no contempla todas las opciones (podría salir el 5 o el 6). En este caso no se podría
aplicar el teorema de la probabilidad total.

Probabilidad condicionada
Las probabilidades condicionadas se calculan una vez que se ha incorporado información
adicional a la situación de partida:

Ejemplo: se tira un dado y sabemos que la probabilidad de que salga un 2 es 1/6

(probabilidad a priori). Si incorporamos nueva información (por ejemplo, alguien nos dice
que el resultado ha sido un número par) entonces la probabilidad de que el resultado sea el
2 ya no es 1/6.

Las probabilidades condicionadas se calculan aplicando la siguiente fórmula:

Donde:

P (B/A) es la probabilidad de que se de el suceso B condicionada a que se haya dado el

suceso A.

P (B L A) es la probabilidad del suceso simultáneo de A y de B

P (A) es la probabilidad a priori del suceso A

En el ejemplo que hemos visto:

P (B/A) es la probabilidad de que salga el número 2 (suceso B) condicionada a que haya

salido un número par (suceso A).

P (B L A) es la probabilidad de que salga el dos y número par.

P (A) es la probabilidad a priori de que salga un número par.

Por lo tanto:

P (B L A) = 1/6

P (A) = 1/2

P (B/A) = (1/6) / (1/2) = 1/3

Luego, la probabilidad de que salga el número 2, si ya sabemos que ha salido un número

par, es de 1/3 (mayor que su probabilidad a priori de 1/6).

Probabilidad compuesta
La probabilidad compuesta (o regla de multiplicación de probabilidades) se deriva de la
probabilidad condicionada:

La probabilidad de que se den simultáneamente dos sucesos (suceso intersección de A y B)

es igual a la probabilidad a priori del suceso A multiplicada por la probabilidad del suceso
B condicionada al cumplimiento del suceso A.

La fórmula para calcular esta probabilidad compuesta es:

 
Ejemplo 1º : Estudiamos el suceso A (porcentaje de varones mayores de 40 años casados)
y el suceso B (varones mayores de 40 años con más de 2 hijos) y obtenemos la siguiente
información:

Un 35% de los varones mayores de 40 años están casados.

De los varones mayores de 40 años y casados, un 30% tienen más de 2 hijos (suceso B
condicionado al suceso A).

Calcular la probabilidad de que un varón mayor de 40 años esté casado y tenga más
de 2 hijos (suceso intersección de A y B).

Por lo tanto:

P (A) = 0,35

P (B/A) = 0,30

P (A L B) = 0,35 * 0,30 = 0,105

Es decir, un 10,5% de los varones mayores de 40 años están casados y tienen más de 2
hijos.