DESCRIPTIVA
PROBABILIDAD AXIOMATICA:
Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que
una funcin que definimos sobre unos sucesos determine consistentemente valores de
probabilidad sobre dichos sucesos. La probabilidad P de un suceso E, denotada por P(E),
se define con respecto a un "universo" o espacio muestral , conjunto de todos los
posibles sucesos elementales, tal que P verifique los Axiomas de Kolmogorv, enunciados
por el matemtico ruso de este nombre en 1933. En este sentido, el suceso E es, en
trminos matemticos, un subconjunto de .
INDEPENDECIA Y EXCLUSIN:
En el experimento del lanzamiento de un dado P(B|A) = 2/5, mientras que P(B) = 1/3. Es
decir, P(B|A) P(B), lo cual indica que B depende de A. Consideremos ahora un
experimento en el que se sacan 2 cartas, una despus de la otra, de una baraja ordinaria,
con reemplazo. Los eventos se definen como
A: la primera carta es un as,
B: la segunda carta es una espada.
Como la primera carta se reemplaza, nuestro espacio muestral para la primera y segunda
cartas consta de 52 cartas, que contienen 4 ases y 13 espadas. Entonces,
.
Es decir, P(B|A) = P(B). Cuando esto es cierto, se dice que los eventos A y B son
independientes.
Aunque la probabilidad condicional permite alterar la probabilidad de un evento a
la luz de material adicional, tambin nos permite entender mejor el muy importante
concepto de independencia o, en el contexto actual, de eventos independientes. En el
ejemplo 2.34 del aeropuerto, P(A|D) difiere de P(A). Esto sugiere que la ocurrencia de D
influye en A y esto es lo que, de hecho, se espera en este caso. Sin embargo, considere la
situacin en donde tenemos los eventos A y B, y
P(A|B) = P(A).
En otras palabras, la ocurrencia de B no influye en las probabilidades de ocurrencia de
A. Aqu la ocurrencia de A es independiente de la ocurrencia de B. No podemos dejar
de resaltar la importancia del concepto de independencia, ya que desempea un papel
vital en el material de casi todos los captulos de este libro y en todas las reas de la
estadstica aplicada.
Definicin: Dos eventos A y B son independientes si y slo si
P(B|A) = P(B) o P(A|B) = P(A),
se comprueba facilmente que son independientes dos a dos pero no son mutuamente
independientes.
El tipo de independencia habitualmente exigida es la mutua, a la que nos referiremos
simplemente como independencia.
REGLA DE BAYES
PROCESO INFERENCIAL
PROCEDIMIENTOS MUESTRALES
Muestreo probabilstico
Consiste en elegir una muestra de una poblacin al azar. Podemos distinguir varios tipos
de muestreo:
Por ejemplo, si tenemos una poblacin formada por 100 elementos y queremos extraer
una muestra de 25 elementos, en primer lugar, debemos establecer el intervalo de
seleccin que ser igual a 100/25 = 4. A continuacin elegimos el elemento de arranque,
tomando aleatoriamente un nmero entre el 1 y el 4, y a partir de l obtenemos los
restantes elementos de la muestra.
2, 6, 10, 14,..., 98
En una fbrica que consta de 600 trabajadores queremos tomar una muestra de 20.
Sabemos que hay 200 trabajadores en la seccin A, 150 en la B, 150 en la C y 100 en la
D.
Muestreo NO Probabilstico
No existe el criterio de que todos los sujetos tengan la misma posibilidad para ser elegidos
para formar parte de la muestra, ya que en este tipo de muestreo hay uno o ms criterios
de decisin por parte del investigador, para que un determinado sujeto pueda o no formar
parte del estudio.
ESPACIOS MUESTRALES
OBTENCIN DE DATOS:
Los especialistas en estadstica seleccionan sus observaciones de manera que todos los
grupos relevantes estn representados en los datos.
Los datos pueden provenir de observaciones reales o de registros que se mantienen para
otros propsitos.
Los datos pueden ayudar a los responsables de tomar decisiones a hacer suposiciones
bien pensadas acerca de las causas y, por tanto, de los efectos probables de ciertas
caractersticas en situaciones dadas. Tambin el conocimiento de tendencias adquirido de
la experiencia previa puede permitir estar al tanto de posibles resultados y actuar en
consecuencia.
Cuando los datos son ordenados de manera compacta y til, los responsables de tomar
decisiones pueden obtener informacin confiable sobre el ambiente y usarla para tomar
decisiones inteligentes. Los administradores deben tener mucho cuidado y asegurar que
los datos utilizados estn basados en suposiciones e interpretaciones correctas. Para ello,
se utilizan las pruebas para datos:
3. Hace falta alguna evidencia cuya ausencia podra ocasionar que se llegue a una
conclusin diferente?
Vale la pena usar los datos o debemos esperar y recabar ms informacin antes de
actuar?
Existen muchas formas de organizar los datos. Podemos slo colectarlos y mantenerlos
en orden; o si las observaciones estn hechas con nmeros, entonces podemos hacer
una lista de los puntos de dato de menor a mayor segn su valor numrico. Pero si los
datos son trabajadores especializados o los distintos tipos de automviles que ensamblan
todos los fabricantes, debemos organizarlos de manera distinta. Necesitaremos presentar
los puntos de dato en orden alfabtico o mediante algn principio de organizacin. Una
forma comn de organizar los datos consiste en dividirlos en categoras o clases
parecidas y luego contar el nmero de observaciones que quedan dentro de cada
categora. Este mtodo produce una distribucin de frecuencias.
La informacin obtenida, antes de ser organizada y analizada, se conoce como datos sin
procesar puesto que an no han sido tratados mediante ningn mtodo estadstico.
Ventajas:
1. Podemos notar rpidamente los valores mayor y menor de los datos.
La distribucin de frecuencias.
Una forma en que podemos comprimir los datos es la tabla de frecuencias o distribucin
de frecuencias. Las distribuciones de frecuencias sacrifican algunos detalles, pero ofrecen
nuevas perspectivas sobre los patrones de datos.
Una distribucin de frecuencias es una tabla en la que los datos se organizan en clases,
es decir, en grupos de valores que describen una caracterstica de los datos.
f1 + f2 + f3 + + fi = n
Ej.: 3 + 4 + 8 + 8 + 4 + 3 = 30 = n
Interpretacin:
F1 = f1
F2 = f1 + f2
F3 = f1 + f2 + f3 F3 = F2 + f3
Fi = f1 + f2 + + fi
Ej.: F2 = 3 + 4 = 7 F4 = 15 + 8 = 23
Interpretacin:
1. Se localizan los valores menor y mayor de la distribucin. En este caso son 3 y 48.
2. Se restan y se busca un nmero entero un poco mayor que la diferencia y que sea
divisible por el nmero de intervalos que queramos establecer.
Es conveniente que el nmero de intervalos oscile entre 6 y 15.
En este caso, 48 - 3 = 45, incrementamos el nmero hasta 50 : 5 = 10 intervalos.
Se forman los intervalos teniendo presente que el lmite inferior de una clase pertenece al
intervalo, pero el lmite superior no pertenece al intervalo, se cuenta en el siguiente
intervalo.
De acuerdo al tipo de variable que vamos a representar, las principales graficas son las
siguientes: