PROBABILIDAD

Tema 1.
Revisin de los Conceptos Bsicos de Probabilidad
MTODOS ESTADSTICOS
Contenido General
1
Introduccin
a Probabilidad
Distribuciones discretas
Distribuciones continuas
Muestreo
Regresin
Estimacin
Puntual
Estimacin por intervalos
Prueba de hiptesis
Componentes
principales
Clusters (Conglomerados)
Revisin de los Conceptos

Bsicos de Probabilidad
Tema 1
Tema 1. Revisin de los Conceptos Bsicos de Probabilidad
Contenido programtico
Espacio
muestral
y
axiomas
de
probabilidad
Probabilidad condicional e independencia
Variables aleatorias discretas y continuas
Medidas de tendencia central y dispersin
Principales distribuciones discretas y
continuas
Variables aleatorias bidimensionales
Trminos bsicos
Experimento:
es el proceso
obtener una observacin
de
Eventos
Simples: Cualquier resultado

bsico de un experimento. Un evento
simple no se puede descomponer en
resultados ms simples.
Ej.: Cules son los eventos simples asociados
al lanzamiento de un dado?
Cules al lanzamiento de dos dados?
Trminos bsicos
Espacio Muestral: Es la coleccin de todos

los eventos simples de un experimento.
Ej.: Cul sera el espacio muestral asociado al lanzamiento de un
dado?
Cul al lanzamiento de dos dados?
Evento: Conjunto de eventos

Subconjunto del espacio muestral.
simples.
Ej.: Un evento de lanzar un dado puede ser:

A : {1,3,5}
Donde A sera el evento obtener un nmero impar.
Operaciones elementales
Unin
El evento Unin (A B) consiste de todos

los eventos simples que estan contenidos en
A o B y en ambos.
A B puede ser descrito como que ocurre
por lo menos uno de los dos eventos A o B.
AB
Interseccin
El evento Interseccin (A B) consiste de

todos los eventos simples comunes de A y B.
A B puede ser descrito como que ocurren
ambos eventos A y B.
AB
Complemento
El evento A, llamado complemento de A,

consiste de todos los eventos simples que no
estn en A.
A significa que el evento A no ocurra.
Eventos Disjuntos
Eventos disjuntos: Dos eventos son disjuntos si no

pueden ocurrir al mismo tiempo, en otras palabras,
ellos no tienen eventos simples en comn.
A y B son disjuntos si A B =
En el siguiente diagrama de Venn A y B son disjuntos

porque su interseccin es el conjunto vaco. B y C no son
disjuntos.
B
C
Interpretacin frecuentista de
Probabilidad
Generalmente, la probabilidad de un evento puede

pensarse como la proporcin de veces que se espera
que el evento ocurra.
Axiomas de la probabilidad
Para cada evento A, se asigna la probabilidad del
evento tal que:
Axioma 1: 0 P(A) 1
Axioma 2: P(S ) = 1
Axioma 3: Si A1, A2, A3, ..., An son disjuntos

dos a dos:
P(A1 A2 A3 ...An) = P(A1) + P(A2) + P(A3) + P(An)
Eventos complementarios
Si el evento A no ocurre, decimos que su

complemento A ha ocurrido y viceversa.
Las probabilidades de A y A estan
relacionadas por la frmula:
P(A) = 1 P(A)
Regla general de la suma
La probabilidad de la unin de dos

eventos es:
P(A B) = P(A) + P(B) - P(A B)
Para 3 conjuntos:
P(A B C) =
P(A) + P(B)
+ P(C) - P(A B) - P(A C) - P(B C)
+P(A B C)
Ejercicio
De los voluntarios que llegan a un banco de sangre, 1
de 3 tiene sangre tipo O+; 1 de 15, tipo O-; 1 de 3,
tipo A+; y 2 de 15, tipo A-. Se selecciona al azar el
nombre de un donante de los registros del banco.
Cul es la probabilidad de que la persona
seleccionada tenga
Sangre tipo O+?
Sangre tipo O?
Sangre tipo A?
Sangre que no es del tipo A, ni O?
Ejercicio
La siguiente tabla muestra un resumen de una encuesta realizada a
500 personas en referencia a su posicin frente a la despenalizacin
del aborto:
A favor
En contra
Total
Mujeres
200
100
300
Hombres
50
150
200
Total
250
250
500
Si aleatoriamente se selecciona una persona de entre las 500,

cul es la probabilidad de que:
El encuestado est a favor de despenalizar el aborto?
El encuestado sea hombre y est en contra de la
despenalizacin del aborto?
Ejercicio
La siguiente tabla muestra un resumen del anlisis realizado a
las flechas de un compresor para determinar el grado con que
stas satisfacen ciertos requerimientos:
La curvatura cumple con los requerimientos
El acabado
superficial cumple
con los
requerimientos
No
345
No
12
Si se toma una flecha al azar cul es la probabilidad de que

cumpla con los requerimientos de acabado superficial?
Cul es la probabilidad de que la flecha seleccionada cumpla con
los requisitos de acabado o con los de curvatura?
Cul es la probabilidad de que la flecha cumpla con los requisitos
de acabado o que no cumpla con los de curvatura?
Cul es la probabilidad de que la flecha cumpla con los requisitos
de acabado y curvatura?
Ejercicio
La siguiente tabla muestra un resumen del anlisis realizado a
las flechas de un compresor para determinar el grado con que
stas satisfacen ciertos requerimientos:
El acabado
superficial cumple
con los
requerimientos
No
345
No
12
Se escoge una flecha y se observa que cumple con los requisitos

de curvatura. Cul es la probabilidad de que la flecha cumpla con
los requisitos de acabado?
Probabilidad Condicional
Sean A y B dos eventos y P(B) > 0. La probabilidad

condicional de A con respecto a B es la probabilidad
de que ocurra A sabiendo que ocurre B:
P( A B)
P( A | B)
P( B)
Ejemplo:
Probabilidad de que un test de embarazo d

positivo sabiendo que la persona est
embarazada
Dos molculas raras tienden a encontrarse

siempre juntas. La probabilidad de que una
muestra de aire contenga alguna de las dos
molculas es pequea. Sin embargo, como
stas
tienden
a
aparecer
juntas,
el
conocimiento de que una de ellas est presente
aumenta de manera muy marcada la
posibilidad de que la otra tambin est
presente en la muestra.
Ejercicio
La siguiente tabla muestra un resumen del anlisis realizado a las
flechas de un compresor para determinar el grado con que stas
satisfacen ciertos requerimientos:
El acabado
superficial cumple
con los
requerimientos
No
345
No
12
Se escoge una flecha y se observa que cumple con los requisitos

de curvatura. Cul es la probabilidad de que la flecha cumpla con
los requisitos de acabado?
Linda
P( A B)
P( A | B)
P( B)
Axioma
1: 0 P(A) 1
Puede violarse este axioma al aplicar esta frmula?
Eventos independientes
Dos eventos A y B son independientes si la

probabilidad de que ocurra uno no afecta la
ocurrencia del otro
P( A | B) P ( A)
Luego:
P ( A | B ) P ( A)
P( A B)
P( B)
P ( A B ) P ( A) P ( B)
En un grupo de estudiantes de bachillerato que
consta de 60 mujeres y 40 varones, se observa
que 24 chicas y 16 muchachos usan lentes.
Adems, se sabe que si un estudiante es elegido
aleatoriamente la probabilidad de que el
estudiante use lentes es 40%=0.4
Considerando esto,
Calcule la probabilidad de que un estudiante
elegido aleatoriamente use lentes dado que es un
estudiante varn
Puede usted afirmar que ambos eventos son
independientes en este grupo?
Que los eventos sean
independientes significa que
los eventos son excluyentes?
Encuesta encubierta
Se desea determinar el porcentaje de homosexuales en el Zulia.

Dado que el ser homosexual no es ampliamente aceptado en la
sociedad no podemos hacer preguntas directas, para ello
utilizamos tems del tipo: Es homosexual o es fumador, de
manera que la persona conteste con honestidad. Por ejemplo:
Si Ud. fuma o es homosexual responda la siguiente pregunta
Es importante que el evento de inters, en este caso ser

homosexual, sea relacionado con eventos independientes de l,
tales como ser fumador, hacer deporte, etc.
Encuesta encubierta
P(F)
Probabilidad de ser fumador (Conocida)
P(H)
Probabilidad de ser homosexual (Buscada)
F y H son eventos independientes
P(F H) = P(F) + P(H) P(F H)
[Unin]
P(F H) = P(F) + P(H) P(F)*P(H)
[F y H Independientes]
Despejamos P(H) y resulta:
P( F H ) P( F )
P( H )
1 P( F )
La siguiente tabla muestra porcentaje de mujeres adultas desglosadas

por estado civil y nmero de hijos en el pueblo de Macondo :
Nmero de
hijos
Casadas
Solteras
Totales
0.30
0.10
0.40
0.15
0.05
0.20
0.10
0.05
0.15
0.06
0.04
0.10
0.04
0.01
0.05
5 ms
0.07
0.03
0.10
Total
0.72
0.28
1.00
Suponga que de este conjunto se toma al azar una mujer. Sean A: el

evento la mujer tiene cuatro o ms hijos y B: el evento estar casada.
Hallar:
a.- P(A)
e.- P(A U B)
b.- P(B|A)
c.- P(B)
d.- P(A|B)
Teorema de Probabilidad
Total
La probabilidad de infarto para hipertensos

es del 0,3 y para no hipertensos del 0,1. Si
la probabilidad de hipertensin en una
cierta poblacin es del 25% Cul es la
probabilidad del infarto en esa poblacin?
A1
( B A2 )
A2
( B A1 )
A1 = {ser hipertenso}
A2 = {no serlo}
(estos sucesos constituyen una particin)
B = {padecer infarto}
P(B) = ?
Recordemos que:
P( B A) P( B | A) * P( A)
Teorema de Probabilidad
Total
A1, A2,, A6, forman
una particin del
espacio muestral.
Ai A j i j
A2
A3
B
A1
A4
P( B ) P( B | Ai ) P ( Ai )
i
A6
A5
Teorema de Bayes. Ejercicio

Cuando los artculos llegan al final de una lnea de
produccin, un supervisor escoge los que deben
pasar por una inspeccin completa; 10% de todos los
artculos producidos son defectuosos; 60% de todos
los artculos defectuosos y 20% de todos los artculos
buenos pasan por una inspeccin completa. Cul es
la probabilidad de que un artculo sea defectuoso,
dado que pas por una inspeccin completa?
Teorema de Bayes
Por definicin de probabilidad condicional se tiene:
P ( A B ) P ( B | A) P ( A) P ( A | B ) P ( B )
P( B | A) P ( A)
P( A | B)
P( B)
Teorema de Bayes
A2
A3
A6
B
A1
A4
A5
P ( B | A1 ) P ( A1 )
P ( A1 | B )
P( B | Ai ) P( Ai )
i
Teorema de Bayes
Para el caso de una particin en dos

conjuntos A y AC:
P ( B | A) P( A)
P( A | B )
C
C
P ( B | A) P ( A) P ( B | A ) P ( A )

El departamento de meteorologa ha anunciado tres
posibilidades para el fin de semana:
a) Que llueva: probabilidad del 50%
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%
Segn estos posibles estados meteorolgicos, la
posibilidad de que ocurra algn accidente es la
siguiente:
a) Si llueve: 20%
b) Si nieva: 10%
c) Si hay niebla: 5%
Resulta que Ud, que estaba de viaje,
escuch en la radio que ocurri un accidente
el fin de semana cul es la probabilidad
de que estuviera nevando?

Los clientes se encargan de evaluar los diseos preliminares
de varios productos. En el pasado, el 95% de los productos
con mayor xito en el mercado recibieron buenas
evaluaciones, el 60% de los productos con xito moderado
recibieron buenas evaluaciones, y el 10% de productos de
escaso xito recibieron buenas evaluaciones. Adems, el
40% de los productos ha tenido mucho xito, el 35% un
xito moderado y el 25% una baja aceptacin.
a.- Cul es la probabilidad de que un producto
obtenga una buena evaluacin?
b.- Si un nuevo diseo recibe una buena
evaluacin, cul es la probabilidad de que se
convierta en un producto de gran xito?
c.- Si un producto no obtiene una buena
evaluacin, cul es la probabilidad de que se
convierta en un producto de gran xito?

A un sospechoso se le aplica un suero de la verdad
que se sabe que es confiable en un 90% cuando la
persona es culpable y en un 99% si la persona es
inocente. Es decir, un 10% de los culpables son
detectados como inocentes y un 1% de los inocentes
son juzgados culpables. Si se administra el suero a
un sospechoso escogido de un grupo donde solo el
5% han cometido un crimen y el suero indica que es
culpable, Cul es la
probabilidad de que sea inocente?
Variables Aleatorias
Experimento: lanzar tres monedas
S = {ccc,ccx,cxc,xcc,cxx,xcx,xxc,xxx}
S
xxx
ccc
ccx
cxc
xcc
cxx
xcx
xxc
R
0
3
Variable aleatoria:
aleatoria
Funcin del espacio
muestral S en el
conjunto de los reales R
2
1
(Nmero de caras)
Definicin
Una variable aleatoria es una funcin que asigna
un nmero real a cada resultado en el espacio
muestral de un experimento aleatorio.
Ejemplos de variables aleatorias son:

Nmero de aos que un recin nacido va a vivir
Nmero de hembras en familias de 3 hijos
Las variables aleatorias tienen asociada una
estructura de probabilidad que se caracteriza por
la distribucin de probabilidad
Las variables aleatorias se denotan con una

letra mayscula (por ejemplo X) y con una
letra minscula (x) el valor posible de la
variable.
X=x representa el evento "la variable aleatoria X toma el
valor x", y
p(X=x) representa la probabilidad de dicho suceso.
X<x representa el evento "la variable aleatoria X toma un
valor menor a x", y
p(X<x) representa la probabilidad de que la v.a. X tome un
valor menor a x.
Discretas
Una Variable Aleatoria X es Discreta si el

conjunto de valores que toma es finito o, si
es infinito, puede ordenarse en una
secuencia que se corresponda con los
nmeros naturales.
Ejemplo:
El nmero de artculos defectuosos en una
seleccin de 4 artculos de entre 240
El nmero de trabajos recibidos por un centro
de cmputo en un da
Discretas
Ejemplo: Una pareja decide tener hijos hasta

que nazca un varn o 5 hembras. Sea la
variable aleatoria nmero de hembras
Variable aleatoria nmero de

hembras
Variable
Evento probabilidad aleatori
a
v
hv
hhv
hhhv
hhhhv
hhhhh
Para cada valor que toma la variable es necesario conocer su proba
Variable aleatoria nmero de

hembras
Variable
Evento probabilidad aleatori
a
v
1/2
0
hv
1/4
1
hhv
1/8
2
hhhv
1/16
3
hhhhv
1/32
4
hhhhh
1/32
5
Para cada valor que toma la variable es necesario conocer su proba
Caractersticas
La distribucin de probabilidad para una

variable aleatoria discreta y, se representa por
una tabla , grfica o frmula, que da la
probabilidad p(y) asociada a cada posible valor
de y.
p(y) 1
toda y
Ejemplo:
Se lanza dos veces una moneda balanceada
y se observa el nmero X de caras. Calcule la
distribucin de probabilidad para X.
El espacio muestral de un experimento aleatorio es {a, b, c, d, e,

f} y cada resultado es igualmente probable. Se define una
variable aleatoria de la siguiente manera:
resultado
1,5
1,5
Determine la funcin de probabilidad de X.

Determine las siguientes probabilidades:
P(X = 1,5)
P(0,5 < X < 2,7)
P(0 <= X < 2)
P(X=0 o X=2)
La representacin grfica ms usual de la funcin de

probabilidad es un diagrama de barras no acumulativo.
Funcin de Distribucin: Acumulada
Funcin de Distribucin Acumulada

Su representacin grfica tiene forma escalonada, siendo los
saltos coincidentes con las probabilidades pi correspondientes a
los valores xi de la variable X.
Supngase que la funcin de distribucin acumulada de la

variable aleatoria X es:
1
Fx(x)
0
0.2
0.7
1
x<-2
-2 <= x < 0
0 <= x < 2
2 <= x
0,7
0,2
-2
Determine la distribucin de probabilidad

de X.
Determine el valor de fX(0)
-1
Probabilidades
Si la Variable X es discreta:
Prob( X k ) = F(k)
Prob( h X k )= F(k) - F(h-1)
Prob( X > k ) = 1 - F(k)
Prob( X = k )= F(k) - F(k-1)
Prob( X < k ) = F(k-1)
Continuas
Una Variable aleatoria X es continua si el

conjunto de valores que toma es uno o
ms intervalos de la recta real.
Su distribucin de probabilidad est
caracterizada por la funcin de densidad
f:
b
prob (a X b) f ( x)dx
a
La probabilidad es el rea bajo la

curva
a
Ejemplos:
Supongamos el experimento que consiste en elegir al azar
500 personas y medir su estatura. La funcin que asocia a
cada persona su estatura es una variable aleatoria
continua.
Consideremos el experimento que consiste en elegir al
azar 100 patillas de una plantacin y pesarlas. La funcin
que asocia a cada patilla su peso es una variable
aleatoria continua.
Pero sern esas las variables asociadas a esos experimentos?
Distribucin de Probabilidad
Funcin de
distribucin
acumulada
Densidad de
Probabilidad
Con el propsito de calcular probabilidades, se

tabula esta Funcin de Distribucin Acumulada.
Propiedades de una funcin de densidad
1. f (x) 0
2. f(x)dx 1
-
3. P(a x b) f(x)dx, donde a y b son constantes

a
Si X es una variable aleatoria continua, entonces,

P(X=x)=0
Para cualquier x1 y x2,
P(x 1 X x 2 ) P(x 1 X x 2 )
P(x 1 X x 2 ) P(x 1 X x 2 )
Funcin de Distribucin
Acumulada
Si f(x) es la funcin de densidad su

distribucin acumulada est dada por:
x
F ( x) prob( X x) f ( x)dx
Por ser una probabilidad siempre se

cumple que: 0 F(x) 1.
Ejemplo:
Sea c una constante y consideremos la funcin de densidad
f(y)
cy
0
si 0 <= y <= 1
en cualquier otro punto
Calcule el valor de c
Calcule P(0.2 < y <0.5)
Obtenga la funcin de distribucin acumulada para la variable
aleatoria
Calcule F(0.2) y F(0.7)
P(0.2 < y < 0.5)
F(0.7)
Probabilidades
Si la Variable es X continua:
Prob( X a ) = F(a)
Prob( a < X b )= F(b) - F(a)
Prob( X > a ) = 1 - F(a)
Medidas de Tendencia
Central
Para una Variable Aleatoria X es

necesario establecer su valor medio,
(Valor Esperado), y cmo se dispersa
respecto
(Varianza).
de
su
valor
medio
Valor esperado
Si X es discreta se define el Valor

Esperado E(X):
E ( X ) x P( x)
Si X es continua se define el Valor

Esperado E(X):
E ( X ) xf ( x)dx
Suponga la siguiente distribucin para una variable aleatoria X y

para una variable Y:
18
20
22
f(x)
0.2
0.6
0.2
15
25
40
f(y)
0.2
0.3
0.3
0.2
Determine el valor esperado de X y de Y
E ( X ) x P( x)
Ejemplo:
Sea X una variable aleatoria continua cuya funcin de
densidad de probabilidad est dada por:
f(x)
x2/3
0
si -1<= x <= 2
Calcule la media o valor esperado de x
E ( X ) xf ( x)dx
Mediana
La mediana es el nmero donde la

distribucin acumulada vale .
F(mediana)=1/2
Si la distribucin es simtrica la media y la

mediana coinciden.
Medidas de Dispersin
Varianza:
V ( X )= E ( X - )
2
Si X es discreta se define la varianza V(X):
V ( X ) ( x ) 2 P( x)
Si X es continua se define la varianza

V(X):
V ( X ) x f ( x)dx
y la Desviacin Estndar: =
V( X )
Distribuciones continuas de
distinta Varianza
0.14
0.12
0.1
=3
0.08
=8
0.06
0.04
0.02
0
10
15
20
25
30
35
40
45
50
55
60
Varianza Distribucin
Normal
Si dos poblaciones tienen una altura

promedio de 1,7 m., pero la primera
presenta una desviacin estndar de 0,5 y
la segunda de 1,5.
Qu diferencia se observara entre una y
otra poblacin?
En cul esperaramos encontrar un mayor
porcentaje de personas de menos de 1,6
m?
Suponga la siguiente distribucin para una variable aleatoria X y

para una variable Y:
18
20
22
f(x)
0.2
0.6
0.2
15
25
40
f(y)
0.2
0.3
0.3
0.2
Determine la varianza de X y de Y
V ( X ) ( x ) 2 P( x) x 2 P( x) 2
Ejemplo:
Sea X una variable aleatoria continua cuya funcin de
densidad de probabilidad est dada por:
f(x)
x2/3
0
si -1 <= x <= 2
Calcule la varianza de x
V ( X ) x 2 f ( x)dx 2
Regla Emprica
Si un conjunto de datos tiene una distribucin simtrica con forma
aproximada de joroba, pueden utilizar las siguientes reglas
prcticas para describir el conjunto de datos:
Aproximadamente el 68% de las observaciones quedan a 1
desviacin estndar de su media (esto es, dentro del intervalo
para poblaciones)
Aproximadamente el 95% quedan a 2 desviaciones estndar de su
media (esto es, dentro del intervalo 2 para poblaciones)
Casi todas quedan a menos de 3 desviaciones estndar de su
media (esto es, dentro del intervalo 3 para poblaciones)
Ejemplo de Distribuciones
Discretas
Una pareja decide tener hijos hasta

que nazca un varn o 5 hembras. Si
esta conducta es adoptada por todos
los marabinos, se altera el orden
natural acerca del equilibrio entre
hombres mujeres?
Cul sera el nmero promedio (valor

esperado) de hembras y varones de
cada pareja?
Solucin del Ejemplo

Evento
P(x)
Hembras
x P(x)
1/2
hv
1/4
1/4
hhv
1/8
1/4
hhhv
1/16
3/16
hhhhv
1/32
1/8
hhhhh
1/32
5/32
total
31/32
Valor esperado de hembras = 31/32
Solucin del Ejemplo

Evento
P(x)
Varones
x P(x)
1/2
1/2
hv
1/4
1/4
hhv
1/8
1/8
hhhv
1/16
1/16
hhhhv
1/32
1/32
hhhhh
1/32
total
31/32
Valor esperado de varones = 31/32
Algunos resultados sobre

valores esperados y varianzas
Si X e Y son variable aleatorias y k es una constante
entonces:
E(k) = k
E(k X)= k E(X)
E(X+Y)= E(X) + E(Y)
V(X) = E[(X - )2] = E(X2) - 2
Valor Esperado
Decisiones:
Inversiones
Riesgo y Ganancia
Lotera
Seguro
Distribuciones
Discretas
5 pruebas de embarazo
Si estando embarazada la probabilidad de
que el test d positivo es 0.9 Cul es la
probabilidad de obtener 4 o ms positivos
en 5 ensayos
(estando la mujer
embarazada)?
X=4
E = Positivo
EFEE E
n=5
Distribucin Binomial
Caractersticas:
Hay n ensayos independientes.

El resultado de cada ensayo es xito (E)
o fracaso (F).
La probabilidad p de xito es constante
en los ensayos.
Distribucin asociada al muestreo con

reemplazo.
Parmetros:
n, p.
Variable aleatoria:
Nmero x de xitos
en los n ensayos.
Valor esperado: ?
Varianza:
Cul es la probabilidad de
obtener x xitos?
n x
P ( x) p (1 p ) n x
x
Parmetros:
n, p.
Varianza:
V(X)= n p (1-p)
Variable aleatoria:
Nmero x de xitos en los
n ensayos.
Valor esperado:
E(X)= n p
n x
n x
P ( x) p (1 p )
x
Grfica de Distribucin
Binomial
0.25
0.2
0.15
0.1
0.05
10
12
Acotada
Ejemplo de Distribucin
Binomial
5 pruebas de embarazo
Si estando embarazada la probabilidad de
que el test d positivo es 0.9 Cul es la
probabilidad de obtener 4 o ms positivos
en 5 ensayos?
X=4
E = Positivo
EFEE E
n=5
5 0.94 x 0.1 + 5 0.95 x 0.10 = 0.32805 + 0.5905 = 0.

4
5
1-binocdf(3, 5,
Distribucin Binomial. Ejercicio

De acuerdo a un estudio realizado, el 26% de
las personas adultas de Barinas tiene
sobrepeso. Si se extrae una muestra
aleatoria simple de 10 adultos, encuentre la
probabilidad de que el nmero de personas
con sobrepeso, dentro de la muestra, sea:
a) Exactamente tres personas
b) Menos de 2
c) Dos o ms personas

La probabilidad de que una persona que sufre
de migraa tenga alivio con una frmaco
especfico es de 0.9.
Se seleccionan
aleatoriamente a tres personas con migraa a
las que se les administra el frmaco.
Encuentre la probabilidad de que el nmero
de personas que logran alivio sea:
a) Exactamente 0
b) Exactamente uno
c) Dos o menos
d) Dos o tres

En un estudio se encontr un gran nmero de casos de
contaminacin en peces en supermercados de las ciudades
de Nueva York y Chicago. El estudio revel que el 40% de los
trozos de pez espada disponibles para la venta tena un nivel
de mercurio superior al limite establecido por la
Administracin de Alimentos y Medicinas de Estados Unidos
(FDA). Para una muestra aleatoria de tres trozos de pez
espada, calcule la probabilidad de que:
Los tres trozos tengan niveles de mercurio por encima del
lmite establecido por la FDA.
Exactamente un trozo de pez espada tenga un nivel de
mercurio por encima del lmite
Cuando ms, un trozo de pez espada tenga un nivel de
mercurio por encima lmite establecido por la FDA.
Se supone que el 5% de las enfermeras que se

presentan en el Hospital General del Sur
aspirando al cargo de asistente de ciruga,
tienen entrenamiento en Instrumentacin
Quirrgica.
Determine la probabilidad de que se encuentre
la primera enfermera con entrenamiento en

instrumentacin quirrgica en la quinta
entrevista.
Cul es el nmero esperado de aspirantes
que hay que entrevistar para encontrar

la primera enfermera con entrenamiento
en instrumentacin quirrgica?
Distribucin geomtrica
Caractersticas:
Pruebas idnticas e independientes.

Dos posibles resultados: xito o fracaso
Probabilidad de xito p (constante para
cada prueba)
Variable aleatoria geomtrica Y es
el nmero de la prueba en la cual
ocurre el primer xito
en lugar del nmero de xitos que ocurren en n

pruebas
FFE
xito en la tercera prueba

Ntese que aqu el espacio
muestral es infinito y la
variable puede tomar
infinitos valores
P(x) = P(F F F F E)
X-1
P(x) = (1-p) x 1 p
Qu tiene que pasar

para cumplir con el requisito
de que P(x) = 1?
Qu pasa con P(S)?
1
E( X )
p
(1 p )
2
V (X )
2
p
Se supone que el 5% de las enfermeras que se
presentan en el Hospital General del Sur
aspirando al cargo de asistente de ciruga,
tienen entrenamiento en Instrumentacin
Quirrgica.
Determine la probabilidad de que se encuentre
la primera enfermera con entrenamiento en

instrumentacin quirrgica en la quinta
entrevista.
Cul es el nmero esperado de aspirantes
que hay que entrevistar para encontrar

la primera enfermera con entrenamiento
en instrumentacin quirrgica?
Ejemplo de Hipergeomtrica
El KINO!
NP = 25
Favorables = K = 15
Se elige una muestra
de 15
Cul
es
la
probabilidad de que
x sea 12, 13, 14, 15?
NP
Distribucin
Hipergeomtrica
Caractersticas:
Poblacin de tamao NP, K de ellos son

especiales.
Si se selecciona una muestra aleatoria
de n elementos cul
cul es la probabilidad
de que en sta se hallen x elementos
especiales?
Muestreo sin reemplazo.
Distribucin
Hipergeomtrica
Parmetros:
NP K n
NP = nmero total de elementos

K = nmero de elementos que hay de
un determinado tipo (especiales)
n = nmero total de elementos que se
seleccionarn (tamao de la muestra)
X = nmero de elementos especiales
en la muestra
P( x)
K

x
NP K
nx
NP
Distribucin
Hipergeomtrica
Sea p= K/NP la proporcin de elementos favorables en la
poblacin:
Valor esperado:
E(X) = ?
Varianza:
Distribucin
Hipergeomtrica
Sea p= K/NP la proporcin de elementos del tipo A en la
poblacin:
Valor esperado:
E(X)= n p
Varianza:
np (1 p)( NP n)
( NP 1)
Cuando la fraccin de muestreo n/NP es pequea, la

hipergeomtrica se puede aproximar por la binomial con
parmetros p y n.
P(12) = 0.0167
P(13) = 0.0014
P(14) = 0.000046
P(15)= 0.0000003
Para evitar que lo descubran en la aduana, un
viajero ha colocado 6 tabletas de narctico en
una botella que contiene 9 pldoras de vitamina
que son similares en apariencia. Si el oficial de la
aduana selecciona 3 tabletas aleatoriamente para
analizarlas, a) Cul es la probabilidad de que el
viajero sea arrestado por posesin de narcticos?,
b) Cul es la probabilidad de que no sea
arrestado por posesin de narcticos?.
Cul es la probabilidad de que una
mesera se rehse a servir bebidas
alcohlicas nicamente a dos menores
de edad si verifica aleatoriamente solo
5 identificaciones de entre 9
estudiantes, de los cuales 4 no tiene la
edad suficiente? Cul es la
probabilidad de que como mximo 2 de
las identificaciones pertenezcan a
menores de edad?.
Distribucin de Poisson
Caractersticas
Eventos que ocurren con cierta velocidad en el
tiempo (nmero de casos semanales de Dengue
en el hospital del sur), o en el espacio (nmero
de camarones por m3 en el Lago de Maracaibo).
El nmero de eventos que ocurre en una unidad
de tiempo, longitud, rea o volumen es
independiente del nmero de los que ocurren en
otras unidades
El nmero medio (o esperado) de eventos en
cada unidad se denota por la letra griega lambda
Parmetros:
promedio de
ocurrencias del suceso
por unidad de tiempo o
espacio.
Variable aleatoria:
Nmero x de ocurrencias
del suceso en la unidad
de tiempo o espacio (x =
0, 1, 2, ...).
Valor esperado:
E(X)= ?
Varianza:
V(X)=
e
P( x)
x!
Parmetros:
promedio de
ocurrencias del suceso
por unidad de tiempo o
espacio.
Variable aleatoria:
Nmero x de ocurrencias
del suceso por unidad
de tiempo o espacio (x
= 0, 1, 2, ...).
Valor esperado:
E(X)=
Varianza:
V(X)=
e
P( x)
x!
A menudo, el nmero de llamadas telefnicas

que llegan a un conmutador se modela como
una variable aleatoria de Poisson. Suponga
que, en promedio, se reciben 10 llamadas por
hora.
Cul es la probabilidad de que lleguen
exactamente cinco llamadas en una hora?
Cul es la probabilidad de que se reciban
exactamente 15 llamadas en dos horas?
Cul es la probabilidad de que lleguen
exactamente cinco llamadas en 30 minutos?
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
10
15
20
25
Ejemplo de Distribucin de
Poisson
Si la media del nmero de casos semanales

Dengue en un hospital es 1.3, Cul es
probabilidad de que en una semana
presenten 5 o ms casos de Dengue?
= 1.3
x = 4 = 5-1
1 - poisscdf(4, 1.3);
de
la
se
Ejemplo de Distribucin de
Poisson
Si la media del nmero de casos semanales

Dengue en un hospital es 1.3, Cul es
probabilidad de que en una semana
presenten 5 o ms casos de Dengue?
= 1.3
de
la
se
1 F(4) = 1 (P(0) + P(1) + P(2) + P(3) + P(4))
1 - poisscdf(4, 1.3);
Caractersticas:
Se utiliza como aproximacin al modelo

binomial cuando n es grande y p
pequeo (ley de los sucesos raros). p <
0.1 np < 5, tomando como parmetro
= np
Tambin se conoce como la distribucin

de los sucesos raros
Distribuciones
Continuas
Distribucin Normal
Importancia
La distribucin Normal es indudablemente la
distribucin continua fundamental, tanto por sus
aplicaciones como por el rol que juega dentro de la
Teora Estadstica.
Es la piedra angular de la Inferencia ya que muchas
estadsticas muestrales tienden hacia la distribucin
Normal cuando el tamao de la muestra crece.
Enfoque original: Moivre, ca. 1738-1756
Posteriormente: Karl Gauss, 1855
Tambin es conocida como distribucin Gaussiana
Distribucin Normal
Caractersticas
Tiene forma de campana

Es simtrica con respecto a la media
Es Continua
Las dos colas (extremos) de una distribucin
normal de probabilidad se extienden de manera
indefinida y nunca tocan el eje horizontal.
Distribucin Normal
Parmetros
Funcin de Densidad
Se afirma que una variable aleatoria X es Normal

N(,2) si su funcin de densidad est dada por:
1
f ( x)
e
2
Valor Esperado
1 x

, x
Varianza
2
Normal Estndar
Grfica de Distribucin
Normal
Grfica de Distribuciones Normales

con diferentes medias e igual
dispersin
Normal Estndar
Si X es N(,2) entonces:
Z = (X-)/ es N(0,1)
se designa como Normal Estndar.

Esta propiedad permite relacionar la funcin de
distribucin acumulada de X con la de Z, ya que:
Prob( X w ) = Prob ( Z (w-)/ ).
Normal Estndar
P(Z < 0) = ?
P(Z > 0) = ?
Normal Estndar
Estndar
1.25
p(0 z 1.25) p( z 1.25) p ( z 0)

0.8944 0.5000 0.3944
1.25
p ( z 1.25) 1 p ( z 1.25)
1 - 0.8944
0.1056
Consideremos que el peso de los nios varones en el momento

del nacimiento se distribuye normalmente. Si sabemos que el
peso medio en el momento de nacer es 3,25 kgs y la
desviacin tpica es de 0,82 kgs, cul es la probabilidad de
que el peso de un nio varn al nacer sea superior a 4 kgs?
Estandarizamos la variable aleatoria X, peso de los nios al
nacer. En el proceso de estandarizacin, al valor de X=4, le
corresponde el valor, t=0,9146 :
Si el nivel de colesterol de los habitantes de

Maracaibo
tiene
una
distribucin
aproximadamente normal, con una media de 200
mg/100 ml y una desviacin estndar de 20
mg/100 ml, calcule la probabilidad de que una
persona de Maracaibo, elegida al azar, tenga un
nivel de colesterol:
a.- Entre 180 y 200 mg/100 ml
b.- Mayor que 225 mg/100 ml
c.- Menor que 150 mg/100 ml
d.- Entre 190 y 210 mg/100 ml
El tiempo de incapacidad por enfermedad de los

empleados de una compaa en un mes tiene
una distribucin normal con media de 100 horas
y desviacin estndar de 20 horas.
Cul es la probabilidad de que el tiempo por
incapacidad del siguiente mes se encuentre
entre 50 y 80 horas?
Cunto tiempo de incapacidad deber
planearse para que la probabilidad de excederlo
sea solo del 10%?
Se supone que el ancho de una herramienta

utilizada en la fabricacin de semiconductores
tiene una distribucin normal con media de 0.5
micrmetros y desviacin estndar de 0.05
micrmetros.
a.- Cul es la probabilidad de que el ancho de la
herramienta sea mayor que 0.62 micrmetros?
b.- Cul es la probabilidad de que
herramienta se encuentre entre
micrmetros?
el ancho
0.47 y
de la
0.63
c.- Debajo de qu valor est el ancho de la

herramienta en el 90% de las muestras?
Distribucin Gamma
Caractersticas
Valores positivos
Asimetra hacia la derecha
Muy verstil, dependiendo del valor de los
parmetros adopta formas muy distintas
Dos distribuciones fundamentales son
casos particulares de ella:
Exponencial y Chi-cuadrado.
Distribucin Gamma
Parmetros
: Parmetro de escala
Parmetro de forma
Funcin de Densidad:
-1
-(
Valor
esperado
*
Varianza
2 *
x
)
x exp
f ( x) =
( )
Enteros -> (1)!
Distribucin Gamma
1
=1
0.9
0.8
0.7
=1
0.6
=3
0.5
0.4
=5
0.3
0.2
0.1
0
10
Distribucin Gamma
1
0.9
=1
0.8
0.7
=1
0.6
0.5
=3
0.4
0.3
=5
0.2
0.1
0
10
Distribucin Exponencial
Est relacionada con la distribucin de Poisson.
Diferencia: a la distribucin de Poisson le interesa el
nmero de ocurrencias, mientras que a la exponencial le
interesa el tiempo transcurrido entre las ocurrencias.
Ejemplo:
Poisson: el nmero de personas en la cola del banco
Exponencial: el tiempo entre llegadas a la taquilla
Parmetro
Funcin de Densidad:
-(
e
f ( x)=
x
)
Valor
esperado
Varianza
2
La distribucin exponencial es una GAMMA con = 1.
Parmetro
Funcin de Densidad:
f ( x ) = e
Valor
esperado
1/
Varianza
1/2
La distribucin exponencial es una GAMMA con = 1.
Funcin de Densidad (alternativa):
f ( x ) = e
, x 0
: La media del
proceso de Poisson.
Nmero medio de
sucesos por unidad
de medida.
La variable aleatoria X indica el tiempo desde que comienza la

observacin (experimento) hasta que ocurre un evento.
Ejemplo: El tiempo que puede transcurrir, en la emergencia de un
hospital, para la llegada de un paciente con una determinada
enfermedad.
El tiempo transcurrido hasta la falla de un dispositivo.
Valor esperado
Varianza
1
2
Funcin de Probabilidad Acumulada:
F ( x) P( X x) 1 e
P ( X x ) e x
La probabilidad de que no ocurra un evento de
Poisson en el tiempo x es equivalente a la
probabilidad de que el tiempo de observacin
requerido para que suceda el evento sea
mayor que x.
Valor esperado
Varianza
1
2
Funcin de Probabilidad Acumulada:
F ( x) P( X x) 1 e
P ( X x ) e x
Cul es la mediana de una variable exponencial de media 1/?
Exponencial media = 40
Exponencial media = 40
Mediana = 27.73
50%
Ejemplo de Distribucin
Exponencial
Si la Esperanza de vida de un suazi es

de 40 aos Cul es la probabilidad de
vivir ms de 60 aos?
Los clientes de un supermercado llegan en
promedio de 1 por minuto. Halle la
probabilidad de que transcurran:
A lo sumo 2 minutos antes de la llegada del
prximo cliente
Por lo menos 3 minutos
La duracin de un cierto tipo de bombillo es una
variable aleatoria exponencial de media 5000
horas.
Cul es la probabilidad de que dure ms de
6000 horas?
Si lleva funcionando 1000 horas
cul es la probabilidad de que dure6000 horas adicionales a las 1000
que lleva funcionando?
6000 horas en total?
Propiedad de carencia de memoria
En la duracin que se espera que tenga el objeto, no

influye para nada el tiempo que en la actualidad lleva
funcionando
El dispositivo no se desgasta.
Para una variable aleatoria exponencial X,
P(X < t1 + t2 | X > t1) = P(X < t2)
El tiempo entre arribos de los taxis en un cruce muy
concurrido tiene una distribucin exponencial con
media de 10 minutos.
Cul es la probabilidad de que una persona que
est en el cruce tenga que esperar ms de una hora
para tomar un taxi?
Suponga que la persona ya esper una hora, cul
es la probabilidad de que llegue uno en los siguientes
10 minutos?
El tiempo de duracin de un ensamble mecnico en

una prueba de vibracin tiene una distribucin
exponencial con media de 400 horas.
Cul es la probabilidad de que el ensamble falle
durante la prueba en menos de 100 horas?
Cul es la probabilidad de que el ensamble trabaje
durante ms de 500 horas antes de que falle?
Si el ensamble se ha probado durante 400 horas sin
falla alguna, cul es la probabilidad de que falle en
las siguientes 100 horas?
Distribucin Exponencial. Ejercicio

En una red de computadoras grande, el acceso de
los usuarios al sistema puede modelarse como un
proceso de Poisson con una media de 25 accesos
por hora.
Cul es la probabilidad de que no haya accesos en
un intervalo de 6 minutos?
Cul es la probabilidad de que el tiempo que
transcurre hasta el siguiente acceso est entre 2 y 3
minutos
Distribucin Beta
Caractersticas:
Se la utiliza para representar variables

aleatorias cuyos valores se encuentran
restringidos a intervalos de longitud
finita.
Distribucin Beta
Parmetros :
y ambos parmetros de forma.
Funcin de densidad :
Es 0 en todas partes salvo en el
intervalo [0,1] donde est definida por:
( + ) x -1 (1 x) -1
f ( , , x )=
( ) ( )
0 < x <1 >0 >0
Distribucin Beta
Valor esperado:
/( + )
Varianza :
/( + )2( + + 1)
Funcin de distribucin acumulada:
Es la funcin de distribucin acumulada definida para todo x en

(0,1). MATLAB: betacdf(x, , )
Grfica de Distribucin Beta
Los sensores de infrarrojo de un sistema robtico

computarizado envan informacin a otros
sensores en diferentes formatos. El porcentaje x
de las seales que se envan y que son
directamente compatibles para todos los
sensores del sistema sigue una distribucin beta
con ==2.
a) Calcule la probabilidad de que ms de 30% de
las seales de infrarrojo enviadas en el sistema
sean directamente compatibles para todos los
sensores
Distribucin Uniforme Continua
Caractersticas:
La distribucin uniforme o rectangular tiene densidad

constante en un intervalo [a, b] y vale 0 fuera del mismo.
f(x)
Distribucin Uniforme
Continua
Parmetros:
ayb
Funcin de densidad:
f(x)= ?
0
Valor esperado:
en [a, b]
en el resto
Varianza:
Continua
Parmetros:
ayb
Funcin de densidad:
f(x)= 1/(b-a) en [a, b]

0
en el resto
Valor esperado:
(a + b)/2
Varianza:
(b a)2/12
Continua
Suponga que un departamento de investigacin de
enfermedades cardiovasculares est realizando un estudio

sobre la hipertensin arterial, trabajando para ello con una
muestra aleatoria de personas y donde la presin arterial
diastlica se distribuye uniformemente entre 60 y 160. Este
grupo de investigacin desea excluir aquellos pacientes
cuya presin arterial est por debajo de 90.
Calcule la media y la desviacin
estndar de x, la presin arterial
diastlica de las personas de la
muestra.
Grafique la distribucin de
probabilidad
Calcule la fraccin de personas
que se omitirn para el estudio.
Continua
Suponga que el departamento de investigacin de un
fabricante de acero cree que una de las mquinas de la

compaa est produciendo lminas de metal con espesores
variables. El espesor es un variable aleatoria uniforme con
valores entre 150 y 200 milmetros. Cualquier lmina que
tenga menos de 160 milmetros de espesor debe
desecharse, pues resulta inaceptable para los compradores.
Grafique la distribucin de
probabilidad de las lminas de acero
producidas por esta mquina
Calcule la fraccin de las lminas de
acero producidas por esta mquina
que se desechan
Continua
Investigadores de la Universidad de los Andes han

diseado, construido y probado un circuito de
condensador conmutado para generar seales
aleatorias. Se demostr que la trayectoria del
circuito estaba distribuida uniformemente en el
intervalo (0,1).
Indique la media y la varianza de la
trayectoria del circuito
Calcule la probabilidad de que la
trayectoria est entre 0.2 y 0.4
Esperara usted observar una
trayectoria que excediera 0.995?
Distribuciones de
Probabilidad Conjuntas
Distribucin de probabilidad
conjunta
Si X y Y son variables aleatorias discretas, la distribucin
de probabilidad conjunta de X y Y, es una descripcin del
conjunto de puntos (x,y) en el rango de (X,Y) junto con la
probabilidad asociada con cada uno de ellos.
Es conocida como distribucin bivariada o distribucin
bivariable
Satisface las siguientes condiciones:
(1)
0 p( x, y ) 1
(2)
p( x, y ) 1
x
(3)
para todos los valores de x y y
f xy ( x, y ) P( X x, Y y )
conjunta
Suponga dos variables aleatorias:
X: Posicin frente a la legalizacin del aborto (0: en contra, 1: a favor)
Y: Nivel de educacin de la persona (1: primaria, 2: bachiller,
3: universitaria)
Distribucin Bidimensional Discreta

DISTRIBUCIN
CONJUNTA
0
1
Y
2
.1
.2
.2
.2
.3
0
conjunta
DISTRIBUCIN
CONJUNTA
X
0
1
Marginal de Y
p1 ( y ) p ( x, y )
x
Y
2
Marginal
de X
.1
.2
.2
.2
.3
0
.6
.4
.3
.4
.3
p2 ( x ) p ( x, y )
y
Distribuciones de probabilidad marginales (incondicionales)
conjunta
DISTRIBUCIN
CONJUNTA
X
0
1
Marginal de Y
Y
2
Marginal
de X
.1
.2
.2
.2
.3
0
.6
.4
.3
.4
.3
p ( x, y )
p( x | y)
p( y)
Obtenga la distribucin de probabilidad
condicional de x dado y=1
conjunta
Valor esperado
E ( XY ) xyp( x, y )
y
En el ejemplo,
DISTRIBUCIN
CONJUNTA
X
Marginal
de X
.1
.2
.3
.6
.2
.2
.4
.3
.4
.3
Marginal de Y
Cul sera el valor esperado de X? y el de Y? el de XY?
conjunta
Teorema
Si x y y son variables aleatorias
independientes, entonces
E(xy) = E(x)E(y)
Atencin: Este es un teorema, no una definicin.
Covarianza
La covarianza(X,Y) es una medida de
asociacin lineal entre las variables X e Y
Producto cruzado de las desviaciones (x-x)

(y-y) para cada punto de datos
Signos de los productos cruzados (x-x)(y-y)
(x,y)
(y-y)
(x-x)
+
(x , y)
Signos de los productos cruzados (x-x)(y-y)
Relacin
lineal dbil
(covarianza
cercana a 0)
Covarianza
Si
E X X ; E Y Y
Definicin
COV( X , Y ) E ( X X )(Y Y )
Teorema
COV( X,Y ) = E( XY ) - x . Y
La covarianza(X,Y) es una medida de

asociacin lineal entre las variables X e Y
Si la relacin entre las variables aleatorias no es lineal, puede que la
covarianza no sea sensible a dicha relacin.
Ejemplo:
Covarianza: 0
En el ejemplo,
DISTRIBUCIN
CONJUNTA
X
Marginal
de X
.1
.2
.3
.6
.2
.2
.4
.3
.4
.3
Marginal de Y
E(x) = 0.4
E(y) = 2
E(xy) = 0.6
Calcule la covarianza de las variables aleatorias
Teorema
Si X y Y son dos variables aleatorias

independientes, entonces:
Cov(X,Y)=0
Ser lo contrario cierto tambin? Es

decir:
si la covarianza es cero entonces puede
concluirse que las variables son
independientes?
Supongamos Y1 y Y2 dos variables

aleatorias discretas con la siguiente
distribucin de probabilidad conjunta:
DISTRIBUCI
N
CONJUNTA
Y2
Y1
-1
-1
0
1/16
3/16
3/16
0
1/16
3/16
1/16
3/16
1/16
Cul es su covarianza?
Son independientes?
Valor esperado y varianza de

funciones lineales de variables
aleatorias
Sean X y Y dos variables aleatorias continuas y a y b

dos constantes:
E(aX + bY) = aE(X) + bE(Y)
Var (aX + b) = a2Var(X)
Var(aX+bY) = a2Var(X) + b2Var(Y) + 2abCov(X,Y)
Si X y Y son independientes, entonces:

Var(aX+bY) = a2Var(X) + b2Var(Y)
Un vendedor obtiene sus ingresos mediante la venta

de dos productos distintos. Por experiencia sabe que
el volumen de ventas de A no tiene influencia alguna
sobre el de B. Su ingreso mensual es el 10% del
volumen, en dlares, del producto A y el 15% del
volumen de B.
Si en promedio las ventas del producto A
ascienden a $10.000 con una desviacin
estndar de $2.000 y las de B a $8.000 con una
desviacin estndar de $1.000, obtngase el
valor esperado y la desviacin estndar del
ingreso mensual del vendedor.
Correlacin
La correlacin entre dos variables (x, y) es

una medida de asociacin que expresa el
grado de dependencia lineal entre ambas,
formalmente:
( X ,Y )
cov( X , Y )
x y
-1 1
Si las variables aleatorias son independientes

entonces la correlacin entre ambas es 0
En el ejemplo,
DISTRIBUCIN
CONJUNTA
X
Marginal
de X
.1
.2
.3
.6
.2
.2
.4
.3
.4
.3
Marginal de Y
E(x) = 0.4
E(y) = 2
Cov(xy) = 0.6 - 0.4*2 = -0.2
Calcule el coeficiente de correlacin para x y y
Correlacin Positiva
Si la correlacin es 1, todas las observaciones se

encuentran alineadas en una recta.
-1 1 Si = 0
X, Y independientes
Coeficiente de Correlacin
r
X2
Distintos grados de
asociacin lineal entre
dos variables
r = 0.9
r = -0.9
r = 0.5
r = -0.5
X2
Ntese la orientacin
de la nube en funcin
del
signo
de
la
correlacin
Independencia
X2
r=0
X1
Algunos resultados sobre

valores esperados y
varianzas
Si X e Y son variable aleatorias y k es una

constante entonces:
E(k X)= k E(X)
V(k X)= k2 V(X)
E(X+Y)= E(X) + E(Y)
Adems si X e Y son independientes:

V(X + Y) = V(X - Y) = V(X) + V(Y)
Cuidado con la confusin

entre correlacin y causalidad
Que dos fenmenos estn correlacionados no implica que uno

sea causa del otro. Es frecuente que una correlacin fuerte
indique que las dos variables dependen de una tercera que no
ha sido considerada. Este tercer elemento se llama factor de
confusin. Por ejemplo, puede ser que una fuerte correlacin
exprese una verdadera causalidad, como en el nmero de
cigarrillos que se fuma al da y la aparicin de cncer de
pulmn. Pero no es la estadstica la que demuestra la
causalidad, ella solo permite detectarla.
Cantidad de prostitutas y cajas de chicles

consumidas en Maracaibo
Periodo: 1990 - 2004
Correlacin y Causalidad
http://xkcd.com/552/
FIN DE PROBABILIDAD

PROBABILIDAD

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

PROBABILIDAD

Diunggah oleh

Hak Cipta:

Format Tersedia

Tema 1.

Revisin de los Conceptos Bsicos de Probabilidad

Revisin de los Conceptos

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Simples: Cualquier resultado

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Espacio Muestral: Es la coleccin de todos

Evento: Conjunto de eventos

Ej.: Un evento de lanzar un dado puede ser:

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

El evento Unin (A B) consiste de todos

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

El evento Interseccin (A B) consiste de

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

El evento A, llamado complemento de A,

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Eventos disjuntos: Dos eventos son disjuntos si no

En el siguiente diagrama de Venn A y B son disjuntos

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Generalmente, la probabilidad de un evento puede

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Axioma 3: Si A1, A2, A3, ..., An son disjuntos

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Si el evento A no ocurre, decimos que su

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Regla general de la suma

La probabilidad de la unin de dos

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Si aleatoriamente se selecciona una persona de entre las 500,

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Si se toma una flecha al azar cul es la probabilidad de que

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Se escoge una flecha y se observa que cumple con los requisitos

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Sean A y B dos eventos y P(B) > 0. La probabilidad

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Probabilidad de que un test de embarazo d

Dos molculas raras tienden a encontrarse

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Se escoge una flecha y se observa que cumple con los requisitos

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Puede violarse este axioma al aplicar esta frmula?

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Dos eventos A y B son independientes si la

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Se desea determinar el porcentaje de homosexuales en el Zulia.

Es importante que el evento de inters, en este caso ser

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

P(F H) = P(F) + P(H) P(F)*P(H)

Despejamos P(H) y resulta:

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

La siguiente tabla muestra porcentaje de mujeres adultas desglosadas

Suponga que de este conjunto se toma al azar una mujer. Sean A: el

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

La probabilidad de infarto para hipertensos

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Teorema de Bayes. Ejercicio

Tema 1. Revisin de los Conceptos Bsicos de Probabilidad

Por definicin de probabilidad condicional se tiene: