Conceptos previos
probabilidad
Todo experimento aleatorio presenta tres características:
Todos los resultados posibles son conocidos con anterioridad a su realización.
No se puede predecir con certeza el resultado que vamos a obtener.
El experimento puede repetirse, todas las veces que se desee, en idénticas
condiciones.
Por tanto, un experimento aleatorio es un proceso, que se puede repetir indefinidamente en
las mismas condiciones, cuyo resultado no se puede predecir con certeza.
El conjunto de todos los resultados posibles de un experimento aleatorio se denomina
espacio muestral E.
A los resultados de un experimento aleatorio se les denomina sucesos y se representa por
las letras: A, B, ...
Los sucesos a su vez pueden ser elementales o compuestos, dependiendo de la cantidad de
resultados de los que consten.
Al suceso que siempre ocurre se le denomina suceso seguro y al que no puede ocurrir se le
llama suceso imposible ∅.
Operaciones con sucesos basadas en la teoría de conjuntos:
Unión: A ∪ B
Intersección A ∩ B
Complementario: A¯
https://psikipedia.com/libro/analisis-de-datos/2467-nociones-basicas-de-probabilidad-
conceptos-previos
Definición de probabilidad
probabilidad
La probabilidad de un suceso es igual al cociente entre el número de casos favorables de
que ocurra ese suceso y el número de casos posibles en el supuesto de que todos los casos
tengan la misma probabilidad de ocurrir (Laplace).
La definición estadística de probabilidad es: "el límite al que tiende la frecuencia relativa de
aparición de un suceso A cuando el número de ensayos, n, tiende a infinito". Esta
definición tiene un problema: muchas veces no es posible repetir un experimento aleatorio
un gran número de veces y, si lo es, no es práctico.
Este problema llevó a una nueva definición, denominada axiomática: "dado un espacio
muestral E, llamamos probabilidad de un suceso A, definido en el espacio muestral E y que
designamos por P(A), a un número real que asignamos al suceso A, tal que cumple las
siguientes propiedades:
0 ≤ P(A) ≤ 1
P(E) = 1
P(A) =1 – (A¯)
A estas propiedades podemos añadir el Teorema de la suma: la probabilidad de que ocurra
el suceso A o el suceso B es igual a la probabilidad de que ocurra A más la probabilidad de
que ocurran ambos:
P (A ∪ B) = P(A) + P(B) – P(A ∩ B)
Cuando los sucesos A y B son incompatibles, es decir, no pueden ocurrir simultaneamente
o la ocurrencia de uno implica la no ocurrencia del otro, la regla de la suma se simplifica:
P (A ∪ B) = P(A) + P(B)
https://psikipedia.com/libro/analisis-de-datos/2466-definicion-de-probabilidad
Probabilidad condicionada
probabilidad
Hay situaciones donde la aparición de un suceso A depende de la aparición de otro suceso
B. Diremos, en estos casos, que los sucesos A y B son dependientes.
Para dos sucesos, A y B, la probabilidad de A condicionado a B, se escribe P(A|B) y es
igual a la probabilidad de la intersección dividido por la probabilidad de la condición de B.
P(A|B) = P(A ∩ B) / P(B)
De la misma forma:
P (B|A) = P(B ∩ A) / P(A)
Si los sucesos son independientes:
P (A|B) = P(A) y P(B|A) = P(B)
https://psikipedia.com/libro/analisis-de-datos/2465-probabilidad-condicionada
Función de probabilidad
Se llama función de probabilidad de una variable aleatoria discreta, X, y se representa por
f(x), a aquella función que asocia a cada valor de la variable la probabilidad de que ésta
adopte ese valor. Es decir:
f(x) = P (X = x)
La función de probabilidad de una variable aleatoria discreta puede representarse mediante
un diagrama de barras.
Las dos propiedades que debe cumplir la función de probabilidad son:
∀ x ∈ X f(x) ≥ 0
Función de distribución
Se llama función de distribución de una variable aleatoria discreta X, y se representa por
F(x), a aquella función que asocia a cada valor de la variable la probabilidad de que ésta
adopte ese valor o cualquier otro inferior:
F(x) = P (X ≤ x)
De la misma forma:
F(x) = P (X ≤ x) = f(x1)+f(x2)+...+f(xn)
Las propiedades fundamentales que debe cumplir la función de distribución de probabilidad
son:
∀x F(x) ≥ 0
F(x) es nula, vale 0, para todo valor inferior al menor valor de la variable
aleatoria, x1:
F(x) = 0 si x < x1
F(x) es igual a uno para todo valor igual o superior al mayor valor de la
variable aleatoria. Si llamamos “xk” al mayor valor de la variable:
F(x) = 1 si x ≥ xk
La distribución binomial
El ensayo anterior de la moneda al aire se denomina Bernouilli, autor de éste ensayo. Un
experimento binomial consiste en repetir “n” veces un ensayo Bernouilli. Una variable
aleatoria X sigue una distribución binomial (con parámetros n y p) si expresa el número de
realizaciones independientes “n” con la probabilidad “p” y por tanto (1 – p) de obtener
fracaso. Se representa por B(n, p); donde B indica binomial, n el número de ensayos y p la
probabilidad de éxito.
Ejemplo:
Si tiramos tres veces la moneda al aire y definimos X como el número de caras, esta
variable seguirá los parámetros n = 3 y p = 0,5. Lo mismo que B(3; 0,5).
Las características fundamentales de una distribución B(n,p) son:
Función de probabilidad:
Función de distribución:
https://psikipedia.com/libro/analisis-de-datos/2461-distribuciones-discretas-de-
probabilidad
La distribución normal
probabilidad
La distribución normal, campana de Gauss o, curva normal, como también se conoce a esta
distribución fue definida por De Moivre en un intento de encontrar las probabilidades
acumuladas en un distribución binomial cuando "n" (el número de ensayos) es grande.
Características y propiedades
Si a una variable X que se distribuye normalmente, con media σ2, le aplicamos una
transformación lineal Y = bX+a, la nueva variable Y se distribuirá normalmente pero con
media bμx + a y desviación típica |b|σx. Si restamos la media y dividimos por la desviación
típica obtenemos una nueva variable “z”.
Las propiedades fundamentales de una distribución normal son:
Una distribución normal es simétrica a su media, μ, que coincide con su mediana y
su moda.
La curva normal tiene dos puntos de inflexión, es decir, dos puntos donde la curva
pasa de ser cóncava a convexa. Estos puntos están situados a una distancia de una
desviación típica de la media.
Es asintótica en el eje de abscisas, se extiende desde -∞ hasta +∞ sin tocar nunca el
eje.