PROBABILIDADES

Poblaciones y muestras

La estadstica consiste en acumular y analizar datos

Los objetos de los que uno toma medidas para
generar datos son los sujetos del estudio:
pueden ser individuos, familias, pases, ciudades,
empresas, instituciones, universidades, etc.

La poblacin: conjunto de sujetos sobre el que el
estudio quiere saber algo.

Una muestra: es un subconjunto de la poblacin
sobre el que el estudio toma datos.
Muestreo aleatorio simple

Mecanismo ideal para elegir la mejor
muestra posible; en el se cumple las
condiciones:

Cada elemento de la poblacin tiene la
misma probabilidad de ser escogido.

Todas las posibles muestras del tamao
muestral escogido (n) tienen la misma
probabilidad de ser seleccionadas.
Muestreo aleatorio simple

Ejemplo terico:

Todos los nombres en una lista.

Papeleta o bola por cada nombre.

Mezcla y extraccin de las n bolas o
papeletas.

Cumple las dos condiciones.


Muestreo aleatorio simple

En la prctica:

Numerar todos los sujetos de la poblacin.

Obtener lista de nmeros aleatorios.

Mediante el uso de EXCEL:
Elegir una muestra de 20 alumnos de una lista de
100 estudiantes de primer ao de secundaria.

20 celdas = ENTERO(ALEATORIO()*100)
Muestreo aleatorio simple

Este es el mecanismo ideal.

Estadstica inferencial: se basa en este modelo
ideal de muestreo aleatorio simple.

Casi todos los mtodos de inferencia: suponen
que la muestra se ha obtenido por este mtodo.

En la vida real: pocas veces aplicamos este
mtodo estrictamente.

Aplicamos ms habitualmente otros mtodos de
muestreo probabilstico.
Otros muestreos probabilsticos

Mtodos de muestreo probabilstico: aquellos en los que
es posible calcular la probabilidad de aparicin de cada una
de las muestras posibles.

El muestreo aleatorio simple es un muestreo probabilstico

Otros mtodos probabilsticos:

Todos los sujetos igual probabilidad de formar parte de
la muestra.

No todas las muestras posibles (combinaciones de n
sujetos) tienen la misma probabilidad.

ESTIMACIN DEL TAMAO DE LA MUESTRA

1). Cuando la varianza (S
2
) conocida:

a) Para poblaciones infinitas o tamaos de poblacin
desconocida:


b) Para poblaciones finitas o conocidas:






2
2 2
d
S Z
n =
2 2 2
2 2
) 1 ( S Z N d
S NZ
n
+
=
ESTIMACIN DEL TAMAO DE LA MUESTRA

2). Cuando la varianza (S
2
) es desconocida:

a) Tamao de la poblacin N es desconocida.



b) tamao de la poblacin N es conocidas:






2
2
d
PQ Z
n =
PQ Z N d
PQ NZ
n
2 2
2
) 1 ( +
=
ESTIMACIN DEL TAMAO DE LA MUESTRA
Donde:
n: es el tamao de la muestra.
Z: Factor de confiabilidad. Es 1,96 cuando es un 95% de
confianza y es 2,57 cuando se establece un 99% de
confianza (valor de distribucin normal estandarizada
correspondiente al nivel de confianza escogida).
P: Es la proporcin de caracterstica de inters.
Q=1-P
o
2
: Es la varianza de la poblacin, si no se conoce se hace
una estimacin con una muestra piloto.
S
2:
Es la varianza de la muestra (estimador de la varianza
poblacional).
d: Es el margen de error permisible. Establecido por el
investigador.
_
X
ESTIMACIN DEL TAMAO DE LA MUESTRA

Ejemplo: Estimar el tamao de la muestra de estudio para
una poblacin de 120 estudiantes de primer ao de
educacin secundaria.



N= 120
Z=1,96 (para un nivel de confianza al 95%).
P= 0,5
Q= 1-P = 0,5
d = 0,1





PQ Z N d
PQ NZ
n
2 2
2
) 1 ( +
=
) 5 , 0 )( 5 , 0 ( ) 96 , 1 ( ) 1 120 ( ) 1 , 0 (
) 5 , 0 )( 5 , 0 ( ) 96 , 1 ( 120
2 2
2
+
= n
59 , 53
1304 , 2
248 , 115
= = n
53 ~ n
PROBABILIDAD

Definicin Clsica:
Se llama frecuencia relativa del evento A en las n repeticiones del experimento al
nmero real:




Definicin axiomtica:
Sea O un espacio muestral asociado a un experimento. Con cada evento A
asociamos un nmero real, llamdo probabilidad fr A, denotado con P(A), que
satisface los axiomas siguientes:

1. P(A) >=0
2. P(O) = 1
3. Si A y B son dos eventos excluyentes dos a dos entonces:



Existen diversas propiedades que se deducen.
psosibles casos de Nmero
A a favorables casos de Nmeros
n
A n
A f


= =
) (
) (
) ( ) ( ) ( B P A P B A P =
PROBABILIDAD

Ejemplos:
Cul es la probabilidad de que si se tiran dos monedas, ambas sean caras?.

O = { (C,C), (C,S), (S,C), (S,S) }






A = {Que ambos sean caras } = { (C,C) }

P(A) = 1/4

B = {Que al menos haya un sello } = { (C,S), (S,C), (S,S) }

P(B) = 3/4
psosibles casos de Nmero
A a favorables casos de Nmeros
n
A n
A f


= =
) (
) (


Algunas relaciones bsicas de probabilidad
Complemento de un evento

Dado un evento A, se define como su complemento AC, como el evento
formado por todos los puntos muestrales que no estn en A.
Se cumple que :

P(A) = 1 - P (A
C
)
Complete los espacios en blanco
La probabilidad de que una persona consiga un trabajo es 0.70, por lo
tanto, la probabilidad de que no lo consiga .
La probabilidad de que una persona gane la Tinka con una jugada es del
0.0000123%, por lo tanto, la probabilidad de que no la gane en una jugada
es %.



ejercicios
1. En un saln de clases hay 35 alumnos, de los cuales 23 son hombres y
el resto mujeres.
a ) Cual es la probabilidad de elegir a una mujer en este saln?
b) Cual es la probabilidad de elegir a un hombre en este saln?
2. En una tienda tienen 3 tipos de papitas, 5 tipos de jugos, 2 pasteles y 7
tipos de sodas.
a) Cul es la probabilidad de comprar soda?
b) Cul es la probabilidad de no comprar soda?
3. Una caja contiene 2 bolas blancas, 2 negras y 4 rojas otra contiene 3
bolas blancas, 5 negras y 4 rojas. Se toma una bola al azar de cada caja.
Qu posibilidad hay de que sean del mismo color?
4. Cual es la probabilidad de obtener 3 ases al sacar 3 cartas al azar en
una baraja de 52 cartas?
Probabilidad condicional

La probabilidad condicional se refiere a hallar la probabilidad de un evento
conociendo cierta informacin (condicin).

.

ejemplo
Ley multiplicativa para eventos cualesquiera

La ley multiplicativa se usa para calcular la probabilidad de una interseccin
de eventos.




Probabilidad total

Sean los k eventos A1, A2, A3,..., Ak, mutuamente excluyentes y que
constituyen una particin del espacio muestral S, entonces para cualquier
evento B de S se cumple



rbol de probabilidades