1 / 90

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA. PROBABILIDAD. PROBABILIDAD. El concepto de probabilidad es manejado por mucha gente. Frecuentemente se escuchan preguntas como las que se mencionan a continuación: ¿ Cuál es la probabilidad de que me saque la lotería o el melate ?

liam
Télécharger la présentation

PROBABILIDAD Y ESTADISTICA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. PROBABILIDAD Y ESTADISTICA PROBABILIDAD

  2. PROBABILIDAD El concepto de probabilidad es manejado por mucha gente. Frecuentemente se escuchan preguntas como las que se mencionan a continuación: ¿ Cuál es la probabilidad de que me saque la lotería o el melate ? ¿ Qué posibilidad hay de que me pase un accidente automovilístico ? ¿ Qué posibilidad hay de que hoy llueva ? para llevar mi paraguas o no. ¿ Existe alguna probabilidad de que repruebe el primer parcial ?,

  3. PROBABILIDAD Estas preguntas en el lenguaje coloquial esperan como respuesta una medida de confianza representativa o práctica de que ocurra un evento futuro, o bien de una forma sencilla interpretar la probabilidad. En este curso lo que se quiere es entender con claridad su contexto, como se mide y como se utiliza al hacer inferencias.

  4. PROBABILIDAD El conocimiento de la probabilidad es de suma importancia en todo estudio estadístico. El cálculo de probabilidades proporciona las reglas para el estudio de los experimentos aleatorios o de azar, que constituyen la base para la estadística inferencial.

  5. PROBABILIDAD Fenómenos Aleatorios y Fenómenos Deterministicos. Fenómeno Aleatorio.- Es un fenómeno del que no se sabe que es lo que va a ocurrir, están relacionados con el azar o probabilidad. Fenómeno Determinista.- Es el fenómeno en el cual de antemano se sabe cual será el resultado.

  6. PROBABILIDAD La probabilidad estudia el tipo de fenómenos aleatorios. Experimento aleatorio.- Una acción que se realiza con el propósito de analizarla. Tiene como fin último determinar la probabilidad de uno o de varios resultados. Se considera como aleatorio y estocástico, si sus resultados no son constantes. Puede ser efectuado cualquier número de veces esencialmente en las mismas condiciones.

  7. PROBABILIDAD Un experimento es aleatorio si se verifican las siguientes condiciones: • Se puede repetir indefinidamente, siempre en las mismas condiciones; • Antes de realizarlo, no se puede predecir el resultado que se va a obtener; • El resultado que se obtenga, s, pertenece a un conjunto conocido previamente de resultados posibles.

  8. PROBABILIDAD Ejemplos: Tirar dardos en un blanco determinado Lanzar un par de dados Obtener una carta de una baraja Lanzar una moneda

  9. PROBABILIDAD Otros ejemplos de eventos: A: que al nacer un bebe, éste sea niña B: que una persona de 20 años, sobreviva 15 años más C: que la presión arterial de un adulto se incremente ante un disgusto

  10. PROBABILIDAD Probabilidad e Inferencia. Se presentan dos candidatos al cargo de la presidencia del CEUDLA, y se desea determinar si el candidato X puede ganar. Población de interés: Conjunto de respuestas de los estudiantes que votarán el día de las elecciones. Criterio de gane: Si obtiene el más del 50% de los votos.

  11. PROBABILIDAD Supóngase que todos los estudiantes de la UDLA van a las urnas y se elige de manera aleatoria, una muestra de 20 estudiantes. Si los 20 estudiantes apoyan al candidato ¿ Qué concluye respecto a la posibilidad que tiene el candidato X de ganar las elecciones ?

  12. PROBABILIDAD 1.- EL CANDIDATO X GANARA 2.- EL CANDIDATO Y GANARA 3.- NO SE PUEDE CONCLUIR NADA

  13. PROBABILIDAD 1.- EL CANDIDATO X GANARA GANAR IMPLICA OBTENER MAS DEL 50% Y COMO LA FRACCION QUE LO FAVORECE EN LA MUESTRA ES 100%, ENTONCES LA FRACCION QUE LO FAVORECERA EN LA POBLACION SERA IGUAL. ¿ ES CORRECTA ESTA INFERENCIA ?.

  14. PROBABILIDAD TOME UNA MONEDA HONRADA Y LANCELA 20 VECES ANOTANDO LOS RESULTADOS. LLAME X = CAE AGUILA Y = CAE SOL. ¿ CUAL ES LA FRACCION DE AGUILAS Y CUAL ES LA FRACCION DE SOLES ?.

  15. PROBABILIDAD TOME UNA MONEDA HONRADA Y LANCELA 20 VECES ANOTANDO LOS RESULTADOS. LLAME X = CAE AGUILA Y = CAE SOL. ¿ CUAL ES LA FRACCION DE AGUILAS Y CUAL ES LA FRACCION DE SOLES ?.

  16. PROBABILIDAD 1.- EL CANDIDATO X GANARA SERIA IMPOSIBLE QUE 20 DE LOS 20 VOTANTES DE LA MUESTRA LO APOYARAN, SI EN REALIDAD, MENOS DEL 50% DE LOS VOTANTES PENSARIA VOTAR POR EL. ¿ ES CORRECTA ESTA INFERENCIA ?.

  17. PROBABILIDAD NO. SI BIEN NO ES IMPOSIBLE OBTENER 20 VOTANTES A FAVOR DE X EN UNA MUESTRA DE 20, SI ES PROBABLE QUE MENOS DEL 50% DE LOS VOTANTES ESTE A FAVOR DE EL, AUN CUANDO SEA MUY POCO PROBABLE.

  18. PROBABILIDAD Espacio Muestral Es el conjunto de todos los posibles resultados de interés de un experimento dado, y se le denota normalmente mediante la letra S. Ejemplos: 1.- Experimento: Se lanza una moneda. Espacio muestral = total de formas en como puede caer la moneda, o sea dos formas de interés, que caiga sol o que caiga águila. (Si cae de canto no es de interés y se repite el lanzamiento). S= {s, a }

  19. PROBABILIDAD 2.- Experimento: Se lanza un dado. Espacio muestral = total de caras en que puede caer el dado, o sea seis formas de interés: S = {1, 2, 3, 4, 5, 6 }

  20. PROBABILIDAD Los eventos aleatorios se denotan normalmente con las letras mayúsculas A, B, C, ... Son subconjuntos de S, esto es, A, B, C,… S Los eventos aleatorios son conjuntos que pueden contener un solo elemento, una infinidad de elementos, y también no contener ningún elemento. Al número de puntos muestrales de S se le representa por N(S)

  21. PROBABILIDAD Eventos aleatorios que aparecen con gran frecuencia en el cálculo de probabilidades: Evento seguro.- Siempre se verifica después del experimento aleatorio, son los mismos del espacio muestral. E = S y N(E) = N(S) Evento Imposible.- Es aquel que nunca se verifica como resultado del experimento aleatorio. No tiene elementos de interés para su fenómeno. Es un subconjunto de S, y la única posibilidad es que el evento imposible sea el conjunto vacío.  S, y N() = 0

  22. PROBABILIDAD Evento Elemental.- Es el evento E que contiene exactamente un punto muestral de S, esto es, N(E) = 1. Cada elemento del espacio muestral, es un evento elemental. También se le denomina como punto muestral.   Si s1, s2 S entonces s1, s2 son eventos elementales.

  23. PROBABILIDAD Ejemplos (1) y (2): En el experimento 1, S= {s, a }, s y a son sucesos elementales N(S) = 2 A = Que caiga sol = { s }, N(A) = 1 B = Que caiga águila = { a }, N(B) = 1

  24. PROBABILIDAD En el experimento 2, S = {1, 2, 3, 4, 5, 6 }, 1, 2, 3, 4, 5 y 6 son sucesos elementales, y N(S) =6 A = Que caiga un uno = { 1 } B = Que caiga un dos = { 2 } : : : F = Que caiga un seis = { 6 }

  25. PROBABILIDAD Evento Compuesto.- Es el evento E que contiene más de un punto muestral de S, por tanto N(E) > 1 Evento contrario a un evento A: También se denomina evento complemento de A y es el evento que se verifica si, como resultado del experimento aleatorio, no se verifica A. Ya que los eventos son conjuntos, este evento se denota con el símbolo Ac o bien Ā, y se define como:

  26. PROBABILIDAD Ejemplo: Experimento: Se lanza una moneda tres veces. Espacio Muestral: Ω = {(S,S,S),(S,S,A),(S,A,S),(A,S,S),(A,A,S),(A,S,A),(S,A,A),(A,A,A)}, N(Ω) = 8, S es el evento seguro. Evento simple: B:Que salgan tres soles; B ={ (S,S,S) } , N(B) = 1 Evento compuesto: E: Que salgan al menos dos soles; E = { (S,S,S), (S,S,A), (S,A,S), (A,S,S) }, N(E) = 4 Evento imposible:  (conjunto vacio). N() = 0

  27. PROBABILIDAD Si un espacio muestral contiene n puntos muestrales, hay un total de 2n subconjuntos o eventos ( se le conoce como conjunto potencia ). Por tanto para el ejemplo anterior existen: 28 = 256, eventos posibles. Para el caso del experimento: se tira una moneda, el espacio muestral es de 2 puntos muestrales S = {A, S}, por lo que se tienen 22 = 4 subconjuntos y el conjunto potencia es: (A,S), (A), (S),  (conjunto vacio).

  28. PROBABILIDAD Operaciones Básicas con Eventos Aleatorios Ya que los eventos aleatorios son subconjuntos del conjunto Ω, espacio muestral, se pueden aplicar las conocidas operaciones con conjuntos, a los eventos, como son la unión, la intersección y la diferencia de eventos.

  29. PROBABILIDAD

  30. S A B PROBABILIDAD Gráficamente estas operaciones se pueden representar a través de los diagramas de Venn. Sea Ω el espacio muestral y A y B eventos tal que A, B  Ω gráficamente se puede expresar como: Fig. 1 Los eventos A y B no tienen elementos del espacio muestral en común.

  31. S A B PROBABILIDAD Fig 2. Los eventos A y B tienen elementos del espacio muestral en común.

  32. PROBABILIDAD De acuerdo a lo indicado en las figuras 1 y 2, la unión de dos eventos se presenta de dos formas diferentes: cuando los eventos son mutuamente exclusivos (que no tienen elementos en común) y cuando entre los eventos hay elementos comunes. Definición.- Se dice que dos eventos A y B son mutuamente exclusivos, cuando no pueden ocurrir simultáneamente, es decir, A  B = , lo que ocurre en la fig. 1.

  33. PROBABILIDAD Ejemplo: Experimento: Se lanza un dado. Espacio muestral = total de caras en que puede caer el dado, o sea seis formas de interés: S = { 1,2,3,4,5,6 }, N(S) = 6 Sean A, B, C los eventos: A: Que caiga un número impar = { 1, 3, 5 } , N(A) = 3 B: Que caiga un número mayor de 2 y menor que 5 = { 3, 4 }, N(B) = 2 C: Que caiga un número par = { 2, 4, 6 } , N(C) = 3

  34. PROBABILIDAD A B = { 1, 3, 5 } { 3, 4 } = {1,3,4,5}, N(A B) = 4 A  C = { 1, 3, 5 } { 2,4,6 } = {1,2,3,4,5,6}=S, N(A C) = N(S) = 6 B  C = { 3, 4 }  { 2, 4, 6 } = {2,3,4,6}, N(B  C) = 4 A B  C = { 1, 3, 5 } { 3, 4 } { 2,4,6 }= {1,2,3,4,5,6}=S, N(A B  C) = 6 S B 1 A 3 4 5 C 2 6

  35. PROBABILIDAD A  B={ 1, 3, 5 }  { 3, 4 } = {3}, N(AB) = 1 A  C={ 1, 3, 5 }  { 2,4,6 } = {}, N(A  C) = N{) = 0 B  C={ 3, 4 }  { 2, 4, 6 } = {4}, N(B  C) = 1 (A  B)  C = ({ 1, 3, 5 }  { 3, 4 })  { 2,4,6 }= {3} { 2,4,6 }={}, N((A  B)  C) = N{) = 0 A  (B  C) = { 1, 3, 5 }  ({ 3, 4 }  { 2,4,6 })= { 1, 3, 5 }  { 4 }={}, N(A  (B  C)) = N{) = 0 S B A 3 4 C

  36. PROBABILIDAD A – B = ={ 1, 3, 5 } - { 3, 4 } = { 1, 5 }, N(A – B) = 2 A – C = { 1, 3, 5 } - { 2,4,6 } = { 1,3,5 } = A, N( A – C) = N(A) = 3 B – C = { 3, 4 } - { 2,4,6 } = { 3 }, N(B-C) = 1 S B 1 A 3 5 C

  37. PROBABILIDAD Ac = { 2, 4, 6} = C N(Ac ) = N( C )= 3 Bc = {1, 2, 5, 6 } N(Bc ) = 4 Cc = {1, 3, 5 } = A N(Cc ) = N(A) = 3 S B 1 A 3 4 5 C 2 6

  38. PROBABILIDAD Probabilidad Clásica y Frecuencial. Probabilidad frecuencial y regularidad estadística Las frecuencias relativas de un evento tienden a estabilizarse cuando el número de observaciones se hace cada vez mayor. Ejemplo: La regularidad estadística en el experimento del lanzamiento de monedas, indica que las frecuencias relativas del evento: que salga sol {s }, se tiende a estabilizar aproximadamente en .5= 1/2.

  39. PROBABILIDAD Probabilidad frecuencial y regularidad estadística La probabilidad de un evento A, denotada por P(A), es el valor en el que se estabilizan las frecuencias relativas del evento A, cuando el número de observaciones del experimento se hace cada vez mayor.

  40. PROBABILIDAD Esto es: donde N(A) = número de elementos del evento A N(Ω) = número de elementos del espacio muestral Ω.

  41. PROBABILIDAD Probabilidad clásica.- Sea S un espacio muestral cualquiera y A un evento de ese espacio. Se define la probabilidad P del evento A, como: donde NCF - número de casos favorables NCT - número de casos totales

  42. PROBABILIDAD Ejemplo: Experimento.- Se lanza una moneda Evento A.- que al lanzar una moneda caiga águila. Calcular la probabilidad de A: S = { A, S}, N(Ω) = 2 A = { A }, N(A) = 1

  43. PROBABILIDAD Leyes De La Probabilidad Las relaciones que se dan entre los eventos al ser aplicadas las operaciones que se presentaron, se facilitan y comprenden mejor haciendo uso de los axiomas y teoremas de probabilidad (Leyes de Probabilidad). Axioma.- es una verdad evidente que no requiere demostración. Teorema.- Es una verdad que requiere ser demostrada.

  44. PROBABILIDAD Axioma 1.- Sea S un espacio muestral cualquiera y A un evento, tal queA  S, entonces se cumple que 0  P(A)  1 (3) esto significa que la probabilidad de cualquier evento no puede ser más grande que uno, ni ser menor que cero. Si es igual a 1 se llama evento seguro, y cuando es cero se llama evento imposible. P(A) ___________________________________ • -2 -1 0 1 2

  45. PROBABILIDAD Axioma 2.- La probabilidad del espacio muestral Ω es un evento seguro, es uno P(Ω) = 1 Ejemplo.- Experimento.- Se lanza un dado Si A =Ω, es decir si el evento A coincide o es igual al espacio muestral, entonces.

  46. PROBABILIDAD Teorema 1.- Si  es el conjunto vacío, entonces la probabilidad de  es igual a 0 Ejemplos: Una persona que quiere ganar la lotería nacional, pero no compra boleto. Que aparezca un siete al lanzar un dado Que una persona viva 250 años En estos casos los eventos son vacíos

  47. A  B PROBABILIDAD Axioma 3.- Sea Ω un espacio muestral cualquiera y sean A y B dos eventos tales que A  Ω, B  Ω y A  B = , es decir, dos eventos mutuamente exclusivos, entonces P(A  B) = P(A) + P(B). A B

  48. PROBABILIDAD Ejemplo: Experimento: Se lanzan dos monedas Ω = { ss, aa, sa, as} N(Ω) = 4 Sean: A: el evento de que al lanzar un par de monedas caigan dos soles exactamente B: el evento de que al lanzar un par de monedas caiga un sol exactamente. Los elementos de A y B son A = { ss } B = {sa, as} Se puede ver que A  B = , no hay elementos en común, por lo que los eventos son mutuamente exclusivos o disjuntos, por tanto P(A  B) = P(A) + P(B)

  49. PROBABILIDAD

  50. PROBABILIDAD Axioma 4.- Sean A1, A2, A3, A4, ..., An eventos mutuamente exclusivos: P(A1  A2  A3  A4, ...  An) = P(A1) + P(A2) + P(A3) + P(A4) + ...+ P(An) Este axioma dice que la probabilidad de varios eventos mutuamente exclusivos (que no tienen elementos en común), es igual a la suma de sus probabilidades.

More Related