Professional Documents
Culture Documents
La probabilidad es una rama de la estadística que tiene múltiples aplicaciones una de ellas
es el muestreo, que al ser aplicado a esta etapa de la investigación se le llama el muestreo
probabilístico.
La estadística inferencial parte de una muestra conocida para sacar conclusiones acerca de
la población desconocida.
La probabilidad permite razonar a partir de una población conocida hacia una muestra
desconocida.
Ejemplo: Supongamos que hay dos candidatos A y B que aspiran a un puesto público y
deseamos determinar si el candidato A va a ganar, es decir, si va a obtener más del 50% de los
votos.
Ejemplo: Un médico debe decidir si administra un nuevo compuesto de hierro a un paciente con
anemia. Tiene información de que dicho compuesto fue administrado a 30 pacientes anémicos y
que en 20 de ellos se observó un aumento significativo en la cantidad de glóbulos rojos respecto
del nivel que tenían antes de iniciar el tratamiento.
El médico puede razonar de la siguiente manera: 2/3 de los pacientes en el experimento
mejoraron, entonces hay una mayor chance de mejoría que de no mejoría. Por lo tanto, decido
administrarle la nueva droga.
La probabilidad provee de métodos para tomar “buenas decisiones” pero esto no garantiza
“buenos resultados”. En este ejemplo, en base a la información que se tiene el administrarle la
nueva droga puede considerarse una buena decisión pero no hay garantía de que aumente el
nivel de glóbulos rojos. De todos modos las técnicas empleadas buscan que las discrepancias
entre “buenas decisiones” y “buenos resultados” se lo más pequeña posible.
Experimentos concretos.
Experimentos conceptuales.
Espacio muestral o espacio muestra. El conjunto que consta de los resultados posibles de un
experimento E, se llama espacio muestral, y será denotado con S.
Si le interesa la cantidad de glóbulos rojos y conoce una cota superior para la cantidad de
glóbulos rojos:
Si le interesa la cantidad de glóbulos rojos y no conoce una cota superior para la cantidad de
glóbulos rojos:
Clases de experimentos:
CONCEPTO DE PROBABILIDAD
1. P(A) ≥ 0.
2. P(S) = 1.
3. Si A1, A2, A3, ... son eventos mutuamente excluyentes (Ai ∩ Aj = ∅ si i j) entonces
Propiedades de P.
1) P(𝐴) = 0.
𝑛
2) Si Ai ∩ Aj =∅, i, j = 1, ..., n, entonces 𝑃(⋃𝑖=1 𝐴𝑖 ) = ∑𝑛𝑖=1 𝑃(𝐴𝑖 )
3) P(Ac) = 1 − P(A).
4) 0 ≤ P(A) ≤ 1.
S = {cara, ceca}
La familia de eventos es
Si definimos
se puede demostrar que P verifica las condiciones anteriores. Por lo tanto es una distribución de
probabilidad.
Podría definirse
S = {1, 2, 3, 4, 5, 6}
Los eventos simples son {1}, {2}, {3}, {4}, {5} y {6}.
Podemos definir
Se tiene que P(S) = 1, y como podemos observar con este ejemplo un evento puede tener
probabilidad 1 sin ser S.
Del mismo modo,
Se tiene que P(∅ ) = 0, y según este ejemplo un evento puede tener probabilidad 0 sin ser ∅ .
P(A) = NA/N.
S = {cara, ceca}
La familia de eventos es
Hay sólo dos eventos simples {cara}y {ceca}. Si no tenemos razones para pensar que la moneda
está mal balanceada, estos eventos tendrán la misma posibilidad de salir y podemos definir P
como una distribución de igual probabilidad.
#S = 2
y P(∅ ) = 0, pues
S = {1, 2, 3, 4, 5, 6}
P(S) tiene 26 = 64 eventos. Los eventos simples son {1}, {2}, {3}, {4}, {5} y {6}. Si el dado
está bien balanceado, estos eventos tendrán la misma posibilidad de salir y podemos definir P
como una distribución de igual probabilidad.
#S = 6.
Cada uno de los eventos simples tiene un solo elemento, por lo tanto su probabilidad será 1/6.
Para otros eventos se tiene,
P(A) = NA/N.
S = {cara, ceca}
La familia de eventos es
Regularidad estadística: si se repite el experimento N1, N2, N3 ... veces con N1 • Ν2 • Ν3,
entonces las frecuencias relativas observadas de un evento A en esas repeticiones, f 1(A), f2(A),
f3(A), tienden a un cierto número. Este número es el que se toma como P(A).