PLANTILLA DE FRMULAS
Axiomas de la probabilidad
1. P(A) 0.
2. P(S) = 1.
3. ( ) ( ) , cuando los Ai son eventos mutuamente excluyentes
Algunas propiedades de la probabilidad
a) P(A) = 1 P(A) para cualquier evento o suceso A.
b) P() = 0.
c) Si A B, entonces P(A) P(B).
d) Si A B, entonces P(B A) = P(B) P(A).
e) 0 P(A) 1.
f) P(A B) = P(A) + P(B) P(A B).
g) P(A B C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C).
PROBABILIDAD CONDICIONAL
PA B
PA/B
PB
TEOREMA DEL PRODUCTO
Sean S el espacio muestral de un experimento aleatorio, A y B dos sucesos tales que P(A) 0 y P(B) 0,
entonces:
P(AB) = P(B).P(A/B) = P(A).P(B/A)
SUCESOS INDEPENDIENTES
Definicin: Se dice que dos eventos cualesquiera A y B son independientes si se cumple la condicin
P(A/B)= P(A) cuando P(B) > 0.
De manera anloga puede interpretarse la igualdad equivalente P(B/A) = P(B), suponiendo naturalmente
que P(A) > 0.
Teorema 1: A es independiente de B B es independiente de A
Teorema 2: A y B son independientes P(AB) = P(A). P(B)
PROPIEDADES DE LA INDEPENDENCIA
1. A y S son sucesos independientes
2. A y son sucesos independientes
3. Si A y B son incompatibles y adems P(A) 0 y P(B) 0 A y B no son independientes
4. Si A y A son sucesos contrarios A y A no son independientes
5. Si AB y P(A) 0, P(B) 1 A y B no son independientes
1
Estadstica y Anlisis de Datos 2014
1) Ay B son independientes
6. Si A y B son independientes 2) A y Bson independientes
3) Ay Bson independientes
Entonces:
TEOREMA DE BAYES
El teorema de Bayes trata de encontrar un valor para la probabilidad condicional de BK: P(BK/A)
P(A B K ) P(A/B K ).P (B K ) P(A/B K ).P (B K )
P(BK/A) = n
P(A) P(A)
P(A/B ).P(B )
i 1
i i
P(A/B K ).P (B K )
Por lo tanto: P(BK/A) = n
(1)
P(A/B ).P(B )
i 1
i i
n
Propiedad: P(B /A) 1
K 1
K
VARIABLES ALEATORIAS
FUNCIN DE DISTRIBUCIN
Definicin: F(t) = P(X t) se llama funcin de distribucin correspondiente a la variable aleatoria
unidimensional X.
2
Estadstica y Anlisis de Datos 2014
II. P(a X b) = F(b) F(a) + P(X =a)
III. P(a X < b) = F(b) F(a) P(X =b) + P(X =a)
IV. P(a < X < b) = F(b) F(a) P(X =b)
2. p j j 1 , donde la sumatoria es para todos los valores de xj con probabilidad distinta de cero.
F(t) = P(X t) = p
x t
j
j
EX p j .x j
j
Definicin: Sea X una variable aleatoria continua y f(x) su funcin de densidad de probabilidad. Entonces
E(X) = x f x dx
3
Estadstica y Anlisis de Datos 2014
VARIANZA
Definicin: consideremos una v.a. X, definimos
D2(X)=
D2(X) = E(X2) [E(X)]2
DESVIACIN TPICA
Definicin: consideremos una v.a. X, definimos desviacin tpica de la v.a. X, a la raz cuadrada positiva de la
varianza.
Notacin: D(X) = .
PROPIEDADES DE LA VARIANZA Y LA DESVIACIN TPICA
1) D2(X) 0
1) D(X) 0
2) Si Y = a.X + b D2(Y) = a2.D2(X)
2) Si Y = a.X + b D(Y) = | |.D(X)
3) Caso particular: Si Y = a.X D2(Y) = a2.D2(X) y D(Y) = | |.D(X)
4) Si Y = a D2(Y) = 0.
MODELO BERNOULLI
La distribucin de probabilidad es:
X Fallo xito
p(X) q P
Esperanza matemtica y Varianza
E(X) =
xjpj = p
j
2 = D2(X) = E X E X = p.q
2 2
2
E(X 2) = x j p j = p
j
Desviacin tpica
= D(X) = p . q
El parmetro de este modelo es p (pR, 0 < p < 1)
MODELO BINOMIAL
Se define la variable aleatoria X que indica el nmero de veces que se present el suceso xito en las n
repeticiones del experimento 1 . Esta variable aleatoria se llama binomial, es discreta y asume n+1 valores:
0, 1, 2, , n.
La funcin de probabilidad es:
n
P( X x) . p x .q n x (1)
x
4
Estadstica y Anlisis de Datos 2014
siendo p la probabilidad de xito
MODELO GEOMETRICO
Se define la variable aleatoria X que indica el nmero de veces que se debio repetir un experimento tipo
Bernoulli hasta obtener el suceso xito. Esta variable tiene distribucin geomtrica, es discreta y asume n
valores: 1, 2, , n.
La funcin de probabilidad es:
P( X x) p .q x 1 (1)
siendo p la probabilidad de xito
MODELO DE POISSON
Definimos la variable aleatoria X que indica el nmero de eventos que ocurre en un intervalo de tiempo o
regin espacial.
X es discreta y asume los valores: 0, 1, 2, 3.
La tasa media de ocurrencias del evento en un intervalo de tiempo o regin espacial es constante. Se
denota con .
t , donde denota el nmero promedio de ocurrencias del evento por unidad de tiempo,
espacio, volumen, etc. y t es el intervalo de tiempo o regin espacial considerado.
Se puede probar que la probabilidad de que X asuma el valor r, con r = 0, 1, 2, 3, se obtiene con la
frmula:
r
e
P (X r )
r!
En este modelo el nico parmetro es .
5
Estadstica y Anlisis de Datos 2014
Esperanza matemtica
E( X )
Varianza
Si E(X2) = 2 + .
De donde: D ( X ) E ( X ) ( E ( X ))
2 2 2
1
a xb
f x b a
0 para otros valores de x
0 si xa
x a
F x si a x b
ba
1 si xb
Esperanza y Varianza
E X a2b
a 2
D 2 X b12
Desviacin tpica
D X
b a 2
12
DISTRIBUCIN EXPONENCIAL
Definicin: Una variable aleatoria continua X, que toma valores no negativos tiene distribucin exponencial
con parmetro > 0 si su funcin de densidad de probabilidad es:
.e x x0
f x
0 para otros valores de x
6
Estadstica y Anlisis de Datos 2014
1 e x x0
De manera que: F x
0 x0
Esperanza y Varianza
1
EX
1
D 2 X
2
Desviacin tpica
1 1
DX
2
DISTRIBUCIN NORMAL
Definicin: Una variable aleatoria continua X tiene distribucin normal general con parmetros (con un
valor entre y +) y (con un valor mayor que cero), si su funcin de densidad es:
2
1 x
1
f x e 2
para todo x
2
en donde m y son, respectivamente, la media y la desviacin tpica de la variable normal.
Con la notacin X es N(, 2) indicamos que X es normal general con parmetros y 2.
Esperanza y varianza
E(X) =
D2(X) = 2
Desviacin tpica
D(X) = 2
Funcin de densidad
A partir de la funcin de densidad de la distribucin normal general, vemos que la funcin de densidad de
la distribucin normal estandarizada es:
x2
1
x e 2 para todo x
2
Funcin de distribucin
u2 u
2
x 1 1 x
x e 2 du e 2 du
2 2
7
Estadstica y Anlisis de Datos 2014
X
Teorema: Sea X variable aleatoria con distribucin normal N(, 2) entonces Z es normal
N(0, 1).
Demostracin:
X
E Z E 0
X
D 2 Z D 2 1
Corolario: Si X es N(, 2) entonces:
a
P X a
b a
Pa X b
Para facilitar el clculo de probabilidad con la Distribucin Normal Estndar, existen tablas con (x) para
algunos valores de x.
Nota. Algunas tablas en los textos no traen los valores de (x) para valores negativos de x, por lo cual,
considerando la simetra de (x), se puede usar la siguiente relacin:
P(X x) = P(X x) = 1 P(X x) = 1 (x)
DISTRIBUCIONES MUESTRALES
a) que la muestra aleatoria se elija con reemplazo; en este caso p tendr distribucin binomial y los
valores previstos se calculan de la siguiente manera:
pq
E( p ) p ; D( p )
n
b) que la muestra aleatoria se elija sin reemplazo; en este caso p tendr distribucin hipergeomtrica y
los valores previstos se calculan de la siguiente manera:
8
Estadstica y Anlisis de Datos 2014
N1 pq Nn
E( p ) p ; D( p )
N n N 1
c) que la muestra aleatoria seleccionada sea grande (n 100), en este caso:
pq
p N p; , por teorema de De Moivre-Laplace.
n n
9
Estadstica y Anlisis de Datos 2014
INTERVALOS DE CONFIANZA
Estimar un parmetro mediante intervalos de confianza con un coeficiente
de confianza (1-) % consiste en encontrar valores 1 y 2 ( 1 2 ) de p: nivel de significacin
0 En general p p = .100
modo tal que P ( 1 2 ) 1 1
100
Media poblacional p . p .
1 , con conocido
P X X 1 Buscar p en Tabla
n n
Media poblacional , xi
n
n
x i2
n
xi
Luego se utiliza 2) para
3 X i1
con datos muestrales i 1 i1 desconocido
n S2
n ( n 1)
2 2
Buscar '' y , en Tabla para (n-1) grados de
p p
Varianza poblacional ( n 1) . S 2 ( n 1) . S 2
8 P 2 1 libertad siendo:
2 2 ,, 2, p
p p p ,, ; p , 100 p ,,
2
Para estimar el tamao n de la muestra de modo que el error mximo de estimacin sea menor, o bien,
menor o igual que un valor dado a, por ejemplo:
11 Tamao n de la p . 2p . 2
muestra a n y luego se aproxima al entero superior
n a2
TEST DE HIPTESIS
Realidad
H0 (V) H0 (V)
Decisin
ACEPTAR H0 Decisin correcta ERROR DE TIPO II
RECHAZAR H0 ERROR DE TIPO I Decisin correcta
10
Estadstica y Anlisis de Datos 2014
PARMETROS PARA LA MEDIA MUESTRAL
Caso I: Poblacin normal con conocido.
Estadstico de la prueba:
Caso II: Muestras grandes con desconocido
Estadstico de la prueba:
Caso III: Muestras pequeas con desconocido (Poblacin normal).
Estadstico de la prueba: tiene distribucin t con n-1 grados de libertad.
11