PROBABILIDADYESTADISTICA

UNIDAD2

Queeslaestadstica?

LaEstadsticaesunacienciaqueaplicamtodosmatemticosparalarecoleccin,
presentacinycaracterizacindelainformacin;comobaseparaelanlisisdedatosy
latomadedecisiones.

Laestadsticapermite:

Describircaractersticas
Obtenerconclusiones
Evaluarsituaciones
Tomardecisiones
Hacerpronsticos
Recoleccindedatos:
Publicaciones
Estudiosobservacionales
Estudiosexperimentales
Encuestas
COMOPODEMOSORDENARLOSDATOS?
Paraquelosdatosseantiles,necesitamosorganizarnuestrasobservaciones,demodo
quepodamosdistinguirpatronesyllegaraconclusioneslgicas.
Recoleccindedatos.
Losespecialistasseleccionansusobservacionesdemodoquetodoslosgrupos
relevantesestnrepresentadosenlosdatos.
Losdatospuedenprovenirdeobservacionesrealesoderegistrosquesemantienenpara
otrospropsitos.
Estosdatospuedenayudaralosquetomandecisionesahacersuposicionesbien
pensadasacercadelascausas,ydelosefectosprobablesdeciertascaractersticasen
situacionesdadas.
Antesdedepositarnuestraconfianzaencualquierconjuntodedatos,prubelosdelasig
manera:
Dedondevienenlosdatos?lafuenteesparcial?
Losdatoscompruebanocontradicenotrasevidenciasqueseposeen?
Cuntasobservacionessetienen?Representanatodoslosgrupos?.
Diferenciaentremuestraypoblaciones.
Losexpertosrecogendatosdeunamuestra.Utilizanestainformacinparahacer
inferenciassobrelapoblacinqueestarepresentadaporlamuestra.Unapoblacinesun
todo(conjuntodetodosloselementosqueestamosestudiando,acercadeloscuales
intentamossacarconclusin)yunamuestraesunafraccinosegmentodeesetodo.
Elestudiodemuestraesmssencilloqueelestudiodepoblacincompleta;seprob
queelexamendeunapoblacinenteratodavapermitelaaceptacindeelementos
defectuosos,portantoelmuestreopuedeelevarelniveldecalidad.

Tamaopoblacional(N):nmerodeelementosdelapoblacin.Seconocecomo
parametro.
Tamaomuestral(n):cantidaddeelementosqueconformanlamuestra.Seconoce
comoestadstica.
Bsquedadeunpatrnsignificativoenlosdatos
Existenmuchasformasdeorganizarlosdatos.Unaformacomndeorganizarlos
consisteendividirlosencategorasoclasesparecidasyluegocontarelnumerode
observacionesquequedandentrodecadacategora.Estemtodoproduceuna
distribucindefrecuencias.Elobjetivodeorganizarlosesquenospermitever
rapidamentealgunadelascaracteristicasquehemosrecogido.
Lainformacinobtenida,antesdeserorganizadayanalizada,seconocecomodatossin
procesar.
Ordenamientodedatosutilizandosuarregloyladistribucindefrecuencia.
Laordenacindedatosesunadelasformasmassencillasdepresentarlos,laformaen
ordenascendenteydescendente.
Elarreglodedatosofreceventajas:
Podemosnotarrpidamentelosvaloresmayorymenordelosdatos.
Podemosfcilmentedividirlosdatosensecciones.
Podemosversialgunodelosvaloresaparecenmsdeunavez.
Podemosobservarladistanciaentrevaloressucesivosdelosdatos.
Arreglo
2.03.43.4
Distribucindefrecuencia,formaenquepodemoscomprimirlosdatos.Perdimosalgo
deinformacinyanopodemosversilosvaloresaparecenmasdeunavez,sinembargo
ganamosinformacinacercadelpatrndeexistenciapromedio.
Ladistribucindefrecuenciamuestraelnmerodeobservacionesdelconjuntodedatos
quecaenencadaunadelasclases.
Distribucindefrecuenciarelativa:podemosexpresarlafrecuenciadecadavalorcomo
unafraccinounporcentajedelnmerodeltotaldeobservaciones,estaapareaa
cadaclase(gruposdevaloresparecidosdepuntodedato)consufraccinoporcentaje
apropiadosdeltotaldelosdatos,lasclasesqueaparecenencualquierdistribucinde
frecuencia,yasearelativaosimple,soncompletamenteinclusivas,todoslosdatoscaen
enunauotracategora.Lasclasesmutuamenteexclusivas,sonlasqueningnpuntode
datocaeenmsdeunacategora.Estasdosclasessoncuantitativas,consistenen
nmeros.
Clasededatoscualitativos

:
clasificalainformacinencaractersticascualitativas,como
razareligin,noconsisteennmeros.
Claseotrasoextremoabierto,observacionesquenoentranenlascategoras
mencionadas.
Clasediscreta:sonentidadesseparadasquenopasandeunaclasediscretaaotrasinque
hayaunrompimiento.Solopuedentomarunnmerolimitadodevalores.CONTEOS.
Ejemplos:nmerodeestudiantesdeprimerao,cantidaddecamasenunhospital,
nmerodesuscripcionesaunarevista,nmerodecoloniasdebacteriasenunaplaca,
etc.DIAPOSITIVA37Y38VEREJEMPLO.

Clasecontinua:pasandeunaclaseaotrasinquehayaunrompimiento.Admiten
infinitosvaloresentredosvalorescualquiera;generalmentesurgendeunamedicin.
Clasefrecuencia
2a2.51
2.6a3.10
3.2a3.72
Pg.18,mirargrficos.
Construccindeunadistribucindefrecuencia.
Ahoraqueyaaprendimosadividirunamuestraenclases,podemostomarlosdatossin
procesaryconstruirunadistribucindefrecuencia.
Decidaeltipoyelnmerodeclaseparadividirlosdatos.Dividaelalcancetotal
delosdatosentreclasesiguales,silasclasesfuerandesigualesylosintervalos
varandeunaclaseaotra,esunadistribucinmuydifcildeinterpretar.El
nmerodeclasesdependedelnmerodepuntosdedatosydelalcancedelos
datosrecolectados.Debidoaquenecesitamoshacerlosintervalosdeclasede
igualtamao,elnmerodeclasedeterminasuancho.Parahallarelanchodel
intervaloutilizamosestaecuacin:
Anchodelosintervalosdeclase=valorunitariosiguientedespusdelvalormas
grandedelosdatos.Menosvalormspequeodelosdatos.
Dividido
Numerototaldeintervalos.

Clasifiquelospuntosdedatosenclasesycuenteelnumerodepuntosquehayen
cadaclase.
Ilustrelosdatosenundiagrama.

REPRESENTACIONGRAFICADEDISTRIBUCIONDEFRECUENCIA.
Lasgraficasdanlosdatosenundiagramadedosdimensiones.Sobreelejehorizontal
podemosmostrarlosvaloresdelasvariables(lacaractersticaqueestamosmidiendo).
Sobreelejeverticalsealamoslasfrecuenciasdelasclasesmostradaseneleje
horizontal.
LasgraficasdedistribucinFyFR,sondeutilidadyaqueresaltanyaclaranlos
patronesquenosepuedendistinguirfcilmenteenlatabla.Nospermiteestimaralgunos
valoresconsolounamirada.
Tabladefrecuencia:
Referencias
LI:lmiteinferiordelintervalodeclase(abierto)
LS:lmitesuperiordelintervalodeclase(cerrado)
MC:marcadeclase
FA:frecuenciaabsoluta

FR:frecuenciarelativa
FAA:frecuenciaabsolutaacumulada
FRA:frecuenciarelativaacumulada
Ejemplo:

Diapositiva43.
HISTOGRAMA:
Unhistogramaconsisteenunaseriaderectngulos,cuyoanchoesproporcionalal
alcancedelosdatosqueseencuentrandentrodeunaclase,cuyoaltoesproporcionalal
nmerodeelementosquecaendentrodeunaclase.Laalturadelabarraque
correspondienteacadaclaserepresentaelnmerodeobservacionesdelaclase.
Unhistogramaqueutilizalafrecuenciarelativaenvezdelnmerorealdepuntos,se
conocecomohistogramadeFR.
POLGONOSDEFRECUENCIA.
OtraformaderepresentargrficamentedistribucionestantoFYFR.Estasvaneneleje
verticalylosvaloresdelasvariablesqueestamosmidiendoenelejehorizontal.Se
trazaunpuntosobresupuntomedioyconectamossuspuntosconunalinearectapara
formarunpolgono
.histogramaypolgonos(lalneanegra).

0.27

frecuenciarelativa

0.20

0.13

0.07

0.00
404 496

588 680 772 865 957 1049 1141 1233

Ingreso

OJIVAS:
Lagraficadeunadistribucinacumuladaseconocecomoojiva.Semarcaenla
extremidadyquieredecirmenorqueelnumeroquesemuestraenelejehorizontal.
1.00
0.90

frec.rel.acumulada

0.80
0.70
0.60
0.50
0.40
0.30
0.20
0.10
0.00
404 496

588 680 772 865 957 1049 1141 1233

Ingreso

UNIDAD3
ESTADISTICASUMERIA:
Tenamosnecesidaddemedidasmasexactas,esestoscasospodemosusarunaseriede
nmerosconocidoscomoestadsticasumariaparadescribirlascaractersticasdel
conjuntodedatos.Dosdeestascaractersticassonimportantesparalatomade
decisiones:tendenciacentralydispersin.
1. tendenciacentral:serefierealpuntomediodeunadistribucin.
2. dispersin:extensindelosdatosenunadistribucin,gradoenquelas
observacionessedistribuyen.
3. sesgo:lascurvasquerepresentanlospuntosdedatosdeunconjuntodedatos
puedesersimtricoosesgado.Lascurvassimtricas,tieneunaformatanque
unalneaverticalquepaseporelpuntoasaltodelacurvaladivideendospartes
iguales.Lascurvassesgadas,losvaloresdesudistribucindefrecuenciasestn

concentradosenelextremoinferioroenelsuperiordelaescalademedicindel
ejehorizontal.Losvaloresnoestnigualmentedistribuidos.
4. curtosis:cuandomedimoslacurtosismedimossugradodeagudeza,tienenla
mismaposicincentralylamismadispersin,yambassonsimtricas.
MEDIDADETENDENCIACENTRAL:
Lamediaaritmtica:cuandonosreferimosalpromediodealgo,estamoshablandode
mediaaritmtica.Paraencontrarlamediasumamoslosvaloresyelresultadolo
dividimosporeltotaldeobservaciones.
LAmediadeunapoblacinsesimbolizacon:
ParaunapoblacindetamaoN,lamediadeunavariableYsedefinecomola
sumadetodoslosvaloresdeYdivididaN(total)
Calculodelamediaapartirdedatosnoagrupados

:
Mediadelamuestra:
X=sumadelosvaloresdetodaslasobservaciones
Numerodeelementosdelamuestra.(n)
Calculodelamediadedatosagrupados:

X=sumade(frecuenciadecadaclase*puntomediodecadaclase)
Numerodeelementosdelamuestra.(n)
Lamediana:esunsolovalorcalculadoapartirdeunconjuntodedatosquemidela
observacincentraldeestos.
Datosnoagrupados:
Primeroorganiceestosdedescenderteaascendente.Sicontieneelementosimparesel
delmediodelarregloeslamediana.Sihaynmeroparlamedianaeselpromediodelos
doselementosdeenmedio.
Mediana=numerodeelementos+1
Dividido2.
Lamoda:esaquelvalorquemsserepiteenelconjuntodedatos.
Distribucinmultimodal:
Quepasasihaydosnmerosdiferentesqueaparecenmayormente?,estadistribucin
tienedosmodasdistribucinbinominal.
Comparacindelamediamedianaylamoda:
Lamedialamediaylamodasonidnticasenunadistribucinsimtrica,
Enunadistribucinpositivamentesesgada(derecha)lamodaseencuentraenelpunto
masaltodeladistribucin,lamedianaestahacialaderechadelamoda,ylamediase
encuentratodavamasaladerechadelamediaylamediana.

Enunanegativa:(izquierda)lamodasiguesiendoelpuntomasaltodeladistribucin,
lamedianaestahacialaizquierdadeellaylamediaseencuentratodavamasala
izquierdadelamodaylamediana.
Lamedianaentodosloscasossueleserlamejormedidadeposicinyaqueestaenel
medio.
Dispersinporqueesimportante?
Lamedialamedianaylamodasolonosrevelanunapartedelainformacindelaque
necesitamossaberacercadelascaractersticasdelosdatos.Paraaumentarnuestro
entendimientodelpatrndelosdatos,debemosmedirtambinsudispersin,extensin
ovariabilidad,yaquenosproporcionainformacinadicionalconfiabledenuestra
medidadetendenciacentral.Figura3.9Pg.110.
ALCANCE:medidastilesdedispersin:
Ladispersinpuedemedirseentrminosdeladiferenciaentredosvalores
seleccionadosdelconjuntodedatos.Estudiamos3delallamadamedidadedistancia:
ALCANCE:esladiferenciaentreelmasaltoyelmaspequeodelosvalores
observados.
Alcance=valormasaltodelaobservacionmenosvalormaspequeodelaobservacin.
ALCANCEINTERFRACTIL:enunamedidadeladispersinentredosfractiles
deunadistribucindefrecuencia,esdecir,ladiferenciaentrelosvaloresdelo
dosfractiles.Enunadistribucindefrecuencia,unafraccinoproporcindada
delosdatoscaeenunfractilopordebajodeste.Elpuntofractilessiempreel
puntoenelodebajodelcualcaelaproporcinestablecidadevalores.La
mediana,porejemplo,eselfractal0.5puestoquelamitaddelosdatosesigual
queomenoraestevalor.Otroejemplo:90%delosvaloresestanenelodebajo
delnonagsimoporcentil.
ALCANCEINTERCUARTIL:aproximadamentequetanlejosdelamediana
tenemosqueirencualquieradelasdosdireccionesantesdequepodamos
recorrerunamitaddelosvaloresdelconjuntodedatos..paracalculareste
alcancedividimosnuestrosdatosen4partes,cadaunadelascualescontiene
25%deloselementosdeladistribucin.Loscuartelesson,losvaloresmasaltos
ymasbajosdecadadeestas4partes,yelalcanceintercuartilesladiferencia
entrelosvaloresdelcuartel1yeltercercuartel.Figura3.11Pg.115.
DISPERSION:medidadedesviacinpromedio:
Dosdetalesmedidassonimportantes:varianzadesviacinestndar.Ambasmedidas
nosdanunadistanciapromediodecualquierobservacindelconjuntodedatoscon
respectoalamediadeladistribucin.
VARIANZAdepoblacin:cadapoblacintieneunavarianza,quesesimbolizacon
(sigmacuadrada).Paracalcularladividimoslasumadelasdistanciasalcuadradoentre
mediaycadaelementodelapoblacinentreelnumerototaldeobservacionesdedicha
poblacin.Laelevaralcuadradocadaunadelasdistancias,logramosquetodoslos
nmerosqueaparecenseanpositivosy,almismotiempo,asignamosmaspesoalas
desviacionesmasgrandes.
N
2
( Xi )
2 = i =1 N

Varianzaeslasumadecadaelementomenoslamediaelevadoalados,divididoporel
numerototaldeelementos.
= 2 = 50.44 =7.1cm
DESVIACIONESTANDAR:
Eslarazcuadradadelavarianza(delpromediodelasdistanciasalcuadradoquevan
delasobservacionesalamedia).
Usodeladesviacinestndar:nospermitedeterminardondeestnlocalizadoslos
valoresdeunadistribucindefrecuenciaconrelacinalamedia.
Estambintilparadescribirquetanlejoslasobservacionesindividualesdeuna
distribucinseapartandelamediadedistribucin.Unamedidaqueseconocecomo
resultadoestndarnosdaelnmerodedesviacionesestndarqueunaobservacinen
particularocupapordebajooporencimadelamedia.
Resultadoestndardelapoblacin:elemento(observacin)lamediadelapoblacin
Desviacinestndardelapoblacin.
DESVIACIONESTANDARDEUNAMUESTRA:
Paracalcularlavarianzayladesviacinestndardeunamuestra,utilizamoslasmismas
formulas,sustituyendomediaconmediadelamuestrayNconn1.
Smbolodelavarianzadelamuestraselevadoala2.
Resultadoestndardelamuestra:XX(smbolodemediadelamuestra)
Desviacinestndardelamuestra(smbolos)
Dispersinrelativa,elcoeficientedevariacin.
Esunamedidaabsolutadeladispersinqueexpresalavariacinenlasmismas
unidadesquelosdatosoriginales.
Nopodemosconocerladispersindeunconjuntodedatoshastaqueconocemossu
desviacionesestndar,sumediaycomosecomportaladesviacinestndarcon
respectoalamedia.
Losquenecesitamosesunamedidarelativa,nosproporcionaunaestimacindela
magnituddeladesviacinconrespectoalamagnituddelamedia.Elcoeficientedela
variacinesunadeestasmedidasrelativadedispersin.Serelacionaladesviacin
estndarylamedia,expresandoladesviacincomoporcentajedelamedia.Laundad
demedidaesporciento.
Coeficientedevariacindelapoblacin:desviacinestndardelapoblacin/mediade
lapoblacin*(100).
UNIDAD4
PROBABILIDAD:
Utilizarinformacinextradadeunamuestraparaelaborarconclusionesrespectodelas
caractersticasdeunapoblacin,implicaunriesgobasadoenlaincertidumbre.
LaEstadsticaproveeunamaneraracionaldecuantificaresaincertidumbre,
denominadaprobabilidad.
Probabilidad:posibilidadquealgoocurra.
LaprobabilidaddeuneventoA,P(A),esunnmeroqueseencuentraenelintervalo
[0,1]:
0P(A)1

Tenerunaprobabilidadde0significaquealgonuncavaasuceder.Laprobabilidadde1
indicaquealgovaasucedersiempre.
Evento:unoomsdelosposiblesresultadosdehaceralgo.
Altirarunamoneda,sicaecaraesuneventoysicaecruzesotro.
Experimento:eslaactividadqueoriginadichoseventos.
Ejemplos:tirarunamoneda,tirarundado,etc.
Espaciomuestral:todoslosposiblesresultadosdeunexperimentoaleatorio.
Ejemplo:caraocruz
Uneventoelementaloeventosimpleescadaunodelosposiblesresultadoscontenidos
enunespaciomuestral.Ejemplo:cara.
Uneventoesunsubconjuntodeeventoselementales,queconstituyenunespacio
muestral.
Eventosmutuamenteexcluyentes:eventosquenopuedenocurrir
simultneamente.
Ejemplo:searrojaunamoneda,puedesalircaraocruzperonoambas.
Listacolectivamenteexhaustiva:listadeposibleseventosquepuedenresultarde
unexperimento,enlacualseincluyentodoslosresultadosposibles.
Ejemplo:searrojaunamoneda,losresultadosposiblessoncaraocruzynohayotra
posibilidad.
TIPOSDEPROBABILIDAD:clsica,defrecuenciarelativaysubjetivo.
CLASICA:
Probabilidadesunamedidadelaincertidumbreasociadaalaocurrenciadeeventoso
resultados.

Nderesultadosenlosquesepresentaelevento
P(A)=
Ntotalderesultadosposibles
Cadaunodelosresultadosdebeserigualmenteposible.

P(cara) =

1
2

Otroejemplo:
Seextraeunnaipedeunabarajainglesade52cartas.Aeseleventocorazn.
Considerarquehay13corazonesenelmazo.As:
13 1

P ( A) =

52

4
ENFOQUEFRECUENCIAL:
Pararesponderapreguntastalescomo:
Culeslaprobabilidadquelluevamaana?
Culeslaprobabilidadqueunapersonavivahastalos85aos?
Ladefinicindeprobabilidadeslamismaquelapresentadaparaelenfoqueclsico.
Lafrecuenciarelativadeuneventodeberegistrarseduranteungrannmerode
experimentos.
Laprobabilidadeslafraccindevecesqueuneventosepresentaalalarga,
cuandolascondicionessonestables.
Ejemplo:
Sesabe,porregistroshistricos,quedeloshombresdemsde40aos,60decada
100000,muerenporenfermedadescardacas.

Culeslaprobabilidaddequeunhombredeesaedadsufradeunaenfermedad
cardaca?
60

P ( A) =

100000

= 0.0006

Mayornmerodeintentosimplicanmayorprecisin.
Problemas:tiempoycosto.
SUBJETIVA:
Estnbasadasenlascreenciasdelaspersonasqueefectanlaestimacindela
probabilidad.Sepuededefinircomolaprobabilidadasignadaauneventoporpartede
unindividuo,basadaenlaevidenciaquesetengadisponible.
Ejemplo:unjuezdebedecidirsipermitelaconstruccindeunaplantadeenerga
nuclearenunlugardondehayevidenciasdequeexisteunafallageolgica.Debe
preguntarseasimismoCuleslaprobabilidaddequeocurraunaaccidentegrave?.
Debeutilizarsumejorsentidocomn,yaquenoexisteunafrecuenciarelativade
presentacindelaevidenciadeaccidentesanteriores.
REGLASDEPROBABILIDAD:
Condiciones:elcasoenqueuneventouotrosepresente,ylasituacinenquedoso
maseventossepresentenalmismotiempo.
Smbolosdefinicionesyreglasdeusocomn.
Smboloparaunaprobabilidadmarginal:
LaprobabilidaddeuneventoAsepodrapresentarcomo:
P(A)=la
Unaprobabilidadsencillaquieredecirquesolouneventopuedellevarseacabo.Sela
conocecomoprob.Marginaloincondicional.
Existeunaformadeilustrarpormediodeundiagrama,elespaciomuestralcompletose
representamedianteunrectnguloyloseventosserepresentancomopartedeese
rectngulo.Sidosvecessonmutuamenteexcluyentes,laspartescorrespondientesenel
rectngulonosetraslaparn.
SidoseventosNOsonmutuamenteexcluyentes,sisetraslapan.
Regladeedicin:mutuamenteexcluyente:

P ( AoB ) = P ( A B ) = P ( A ) + P ( B )

Porejemplo,seaA=1,3,5yB=2,4,6AB

( A B ) = { 1,3,5, 2, 4, 6}
3 3
P ( A B) = + = 1
6 6

Eventonomutuamenteexcluyente:

1
3
5

P ( AoB ) = P ( A B ) = P ( A ) + P ( B ) P ( A B )
Porejemplo,seaA=1,3,5,6yB=2,4,6

2
4
6

Mirardiapositiva16deprobabilidadunidad2.

( A B ) = { 1,3,5, 6, 2, 4}
4 3 1
P ( A B) = + = 1
6

PROBABILIDADESBAJOCONDICIONESDEINDEPENDENCIAESTADITICA.
Cuandosepresentandoseventoselresultadodelprimeropuedetenerunefectoenel
resultadodelsegundoopuedonotenerlo.Estoesloseventospuedenserdependienteso
independientes.Enestecasosonindependientes,unonotieneefectosobreelotro.
Trestipos:
MARGINAL:eslaprobabilidadsimpledepresentacindeunevento.Laprobabilidad
deobtenercaraesigualalaprobabilidaddeobtenercruz,0.5.
CONJUNTA:laprobabilidaddedosomaseventosindependientesquesepresentan
juntosoensucesineselproductodesusprobabilidadesmarginales.
P(AB)=P(A)*P(B)
Cualeslaprobabilidaddequesalgacaraendostirossucesivos?

P ( CC ) = 0.5 0.5 = 0.25

CONDICIONAL:P(B/A)simblicamente.
Eslaprobabilidaddequeunsegundoeventosepresentesiunprimereventoyaha
sucedido.
PROBABILIDADESBAJOCONDICIONESDEDEPENDENCIAESTADITICA.
Dependeoseveafectadaporotroevento.
Trestipos:
Ejemplo:Infartodelmiocardioytabaco(J.Epidemiology&C.Health.43,1989)
Setomaron262mujeresdeedadmedia,quetuvieroninfartodemiocardioyque
fueronatendidasenunhospitaldelnortedeItalia.
Loscontrolessonmujeresquenotuvieroninfarto.Cadagrupofueclasificado
segnsifuma(actualoantes)onofuma(nunca).
MARGINALES:secalculanmediantelasumadelasprobabilidadesdetodoslos
eventosconjuntosenlosquesepresentaeleventosencillo.
X=infartodemiocardio
Y=fuma
Total
Si

No

Si

172

90

262

No

173

346

519

Total

345

436

781

P ( A ) oP ( B )

Siseeligeunamujeralazarysedefinendoseventos:X(tuvoinfarto)eY(fuma)
entonces:

P( X SI ) =

262
345
= 0.34yP (YSI ) =
= 0.44
781
781

P ( B A) =

P ( BA )
P ( A)

CONDICIONAL:

Culeslaprobabilidadquehayatenidoinfartodemiocardiodadoquefuma?

P ( X SI / YSI ) =

P ( X SI / YSI ) =

P( X SI / YSI ) =

172
= 0.5
345

P ( X SI YSI )
P ( YSI )

172

781 = 0.22 = 0.5

345
0.44
781

Culeslaprobabilidadquehayatenidoinfartodemiocardiodadoquenofuma?

P ( X SI / YNO ) =

90
= 0.21
436

Tambinsepodrahabertransformadotodoelcuadroenprobabilidades,
dividiendocadaceldaporeltotal
Total
X=infarto
Y=fuma
demiocardio
Si
No
Si

172/781=0.22

90/781=0.12

262/781=0.34

No

173/781=0.22

346/781=0.44

519/781=0.66

Total

345/781=0.44

436/781=0.56

781/781=1.00

P ( X SI / YSI ) =
CONJUNTA:

0.22
0.12
= 0.5yP( X SI / YNO ) =
= 0.21
0.44
0.56

P ( AB ) = P ( A ) P ( B )

Culeslaprobabilidadquehayatenidoinfartodemiocardioyquefume?

P( X SI y YSI ) = P( X SI YSI ) =

172
= 0.22
781

Lasprobabilidadesqueestnenlasmrgenesdelatabla(0.34,0.66,0.44y0.56)se
denominan:probabilidadesmarginales.
Lasprobabilidadesqueestnenelcuerpodelatabla(0.22,0.12,0.22y0.44)se
denominan:probabilidadesconjuntas.
UNIDAD5
DISTRIBUCIONDEPROBABILIDAD:relacionadaconladistribucindefrecuencia.
Describelaformaenqueseesperaquevarenlosresultados.
Unadistribucindefrecuenciaesunlistadodelasfrecuenciasobservadasdetodoslos
resultadosdeunexperimentoquesepresentaronrealmentecuandoseefectuel
experimento,mientrasqueunadistribucindeprobabilidadesunlistadodelas
posibilidadesdetodoslosposiblesresultadosquepodranobtenersesielexperimentose
llevaacabo.
Tiposdedistribucindeprobabilidad:
seclasificanendiscretasycontinuas,enladistribucindeprobabilidaddiscretaesta
permitidotomarsolounnumerolimitadodevalores.Porotroladoenlacontinua,la
variablequeseestconsiderandopuedetomarcualquiervalordentrodeunintervalo
dado.
Variablesaleatorias:
Unavariableesaleatoriasitomadiferentesvalorescomoresultadodeunexperimento
aleatorio.Puedeserdiscretaocontinua.Sipuedetomarsolounnumerolimitadode
valoresesdiscreta,sipuedetomarcualquiervalordentrodeunintervalodado,es
continua.Sepuedepensarenunavariablealeatoriacomounvalorounamagnitudque
cambiadeunapresentacinaotra,sinseguirunasecuenciapredecidle.Ejemploenuna
clnicaqueatiendesamujeresconcncerdemamanosetienemaneradesabercon
exactitudcuntasmujeresvanaseratendidasenundacualquiera,demodoqueel
numerodepacientesdeldasiguienteesunavariablealeatoria.
Valoresperadodeunavariablealeatoria:
Paraobtenerelvaloresperadodeunavariablealeatoriadiscreta,multiplicamoscada
valorquelavariablepuedetomarporlaprobabilidaddepresentacindeesevalory
luegosumamoslosproductos.PAG239.
Usodelvaloresperadoenlatomadedecisiones:
Combinacindeprobabilidadyvaloresmonetarios:problemadeventaalmayor,un
vendedordefrutas,lascualestienenunavidadetilmuylimitada,sinovendeenelda
desuentrega,yanotienevalor.
Tiposdeperdidas:perdidaporobsolescencia,demasiadaexistenciaytienequetirarlaal
dasiguiente.Operdidadeoportunidad,notenerexistenciacuandoelclientelosolicita.
DISTRIBUCIONBINOMINAL:
Unadistribucindeprobabilidaddeunavariablealeatoriadiscretautilizadaesla
distribucinbinominal.Estadistribucindescribe,datosdiscretos,nocontinuos,que
sonresultadodeunexperimentoconocidocomoprocesodebernoulli.
Usoprocesodebernoulli:

Cadaobservacinpuedeclasificarseenunadedoscategorasexcluyentes:xito
(seleasignaelvalor1)yfracaso(seleasignaelvalor0).
Modelalaprobabilidaddeobtenerxxitosennexperimentosindependientes,
siendolaprobabilidaddexitoigualap.

Formulabinominal.

P=

n=numerodeintentoshechos.
x=numerodexitosdeseados.
p=probabilidaddelxito
1p=posibilidaddelfracaso.

n!
p x (1 p)n x
x !( n x ) !

Ejemplo,modelounidad3,diapositiva14,juntoconlatablabinominal.
Distribucinbinomial:usodelatabla
Culeslaprobabilidadque8decada15votantesempadronadosnopuedan
votarenlasprximaselecciones,silaprobabilidaddequecualquierindividuo
nopuedavotaresde0.30?
p=0.30
x=8P(8)=0.0347
n=15
Distribucinbinomial:mediaydesviacinestndar.

= n p

= n pq

Unamquinaempacadoraproduceel20%depaquetesdefectuosos.Encontrarla
mediayladesviacinestndar,sisetieneunamuestradetamao10.

= n p = (10)(0.2) = 2
= n p q = (10)(0.2)(0.8) = 1.265
DISTRIBUCIONDEPOISSON:
Seutilizaparadescribirciertotipodeprocesos.
Aplicableavariablesdiscretas.Seusaparadescribirporejemplo:
Ladistribucindelnmerodellamadasqueentranaunacentraltelefnica
Ladistribucindelnmerodesolicitudesdepacientesquerequierenservicioen
unainstitucindesalud
Ladistribucindelnmerodecamionesyautosquelleganaunaestacinde
peaje
Ladistribucindelnmerodeaccidentesregistradosenunaciudad,etc.
Formuladepoisson:

Donde:

x e
P ( x) =
x!

=nmeromediodepresentacionesporintervalo
e=2.71828basedeloslogaritmos naturales
x!=factorialdex
Ejemplo:

Enunestudiodeseguridadvial,seestinvestigandounapeligrosainterseccin
decalles.
Losregistrospolicacosindicanunamediade5accidentesmensualesenese
cruce.
Elnmerodeaccidentesestdistribuidodeacuerdoaunadistribucinde
Poisson.
Calcularlaprobabilidaddequeencualquiermesocurranexactamente0,1,2,3
o4accidentes.
Entonceslaprobabilidadquenoocurraningnaccidentees:

(5)0 (e5 )
P (0) =
= 0.00674
0!
Operandodelamismaformaseobtiene:
P(1)=0.03370 P(2)=0.08425
P(3)=0.14042 P(4)=0.17552
Usandoestasprobabilidades,sepuederesponderalasiguientepregunta:
Culeslaprobabilidaddequeocurranmenosde3accidentes?
Entoncessedebeplantear:P(X<3)
Estosepuedeaveriguarsumandotrminos,delasiguientemanera:
P(X<3)=P(X=0)+P(X=1)+P(X=2)=
=0.00674+0.03370+0.08425=
=0.12469
0.18396

Probabilidad

0.13797

0.09198

0.04599

0.00000
0

10

Nmerodeaccidentespormes

DistribucindePoisson:mediaydesviacinestndar.

=
=
SiXesunavariablecondistribucindePoissonsedenotacomo:X~P()
DistribucindePoissoncomounaaproximacindeladistribucinbinomial

P( x) =

( np )

e np

x!

Observarquesereemplazapornp,expresinquerepresentaelpromedioenuna
distribucinbinomial.