REPBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN SUPERIOR FUNDACIN MISIN SUCRE UNIVERSIDAD BOLIVARIANA

DE VENEZUELA ZARAZA EDO. GURICO

Estadistica Inferencia o Inductiva

FACILITADOR Pedro Albornoz

INTEGRANTES Israel Ramrez Carlos Gonzlez Gabriela Manrique

ZARAZA, MAYO DEL 2013.

NDICE. PG. INTRODUCCIN PROBABILIDAD TIPOS DE PROBABILIDAD DISTRIBUCIN DE PROBABILIDAD DISCRETA. DISTRIBUCIN DE PROBABILIDAD CONTINUA. MUESTREO TIPOS DE MUESTREO IMPORTANCIA DEL MUESTREO POBLACIN TIPOS DE POBLACIN CONCLUSIN BIBLIOGRAFA 3 4 7 9 11 11 16 17 17

INTRODUCCION. El concepto de probabilidad nace con el deseo del hombre de conocer con certeza los eventos futuros. Es por ello que el estudio de probabilidades surge como una herramienta utilizada por los nobles para ganar en los juegos y pasatiempos de la poca. El desarrollo de estas herramientas fue asignado a los matemticos de la corte. Con el tiempo estas tcnicas matemticas se perfeccionaron y encontraron otros usos muy diferentes para la que fueron creadas. Actualmente se contino con el estudio de nuevas metodologas que permitan maximizar el uso de la computacin en el estudio de las probabilidades disminuyendo, de este modo, los mrgenes de error en los clculos.

PROBABILIDAD El primer paso para descubrir y analizar el significado del trmino probabilidad es establecer su origen etimolgico. En este caso hay que subrayar que el mismo se encuentra en el latn, y ms exactamente en la palabra probabilitas, que est formada por la unin del verbo probare que puede traducirse como comprobar, el sufijo bilis que equivale a posibilidad y el tambin sufijo tatque lo que viene a indicar es una cualidad. Con origen en el latn probabiltas, probabilidad es una palabra que permite resaltar la caracterstica de probable (es decir, de que algo pueda ocurrir o resultar verosmil). Se encarga de evaluar y permitir la medicin de la frecuencia con la que es posible obtener un cierto resultado en el marco de un procedimiento de carcter aleatorio. La probabilidad, por lo tanto, puede definirse como la razn entre la cantidad de casos prsperos y la cantidad de cuestiones posibles. La matemtica, la fsica y la estadstica son algunas de las reas que permiten arribar a conclusiones respecto a la probabilidad de eventos potenciales. En el ltimo campo citado, el estadstico, tenemos que subrayar que la probabilidad se convierte en uno de sus pilares fundamentales TIPOS DE PROBABILIDAD PROBABILIDAD CLSICA Se define la probabilidad de que un evento ocurra como: Nmero de resultados en los que se presenta el evento / nmero total de resultados posibles

 Cada uno de los resultados posibles debe ser igualmente posible. La probabilidad clsica, a menudo, se le conoce como probabilidad a priori, debido a que si utilizamos ejemplos previsibles como monedas no alteradas, dados no cargados y mazos de barajas normales, entonces podemos establecer la respuesta de antemano, sin necesidad de lanzar una moneda, un dado o tomar una carta. No tenemos que efectuar experimentos para poder llegar a conclusiones. Este planteamiento de la probabilidad tiene serios problemas cuando intentamos aplicarlo a los problemas de toma de decisiones menos previsibles. El planteamiento clsico supone un mundo que no existe, supone que no existen situaciones que son bastante improbables pero que podemos concebir como reales. La probabilidad clsica supone tambin una especie de simetra en el mundo. PROBABILIDAD DE FRECUENCIA RELATIVA DE PRESENTACIN En el siglo XIX, los estadsticos britnicos, interesados en la fundamentacin terica del clculo del riesgo de prdidas en las plizas de seguros de vida y comerciales, empezaron a recoger datos sobre nacimientos y defunciones. En la actualidad, a este planteamiento se le llama frecuencia relativa de presentacin de un evento y define la probabilidad como: La frecuencia relativa observada, de un evento durante un gran nmero de intentos La fraccin de veces que un evento se presenta a la larga, cuando las condiciones son estables. Este mtodo utiliza la frecuencia relativa de las presentaciones pasadas de un evento como una probabilidad. Determinamos qu tan frecuente ha sucedido algo

en el pasado y usamos esa cifra para predecir la probabilidad de que suceda de nuevo en el futuro. Cuando utilizamos el planteamiento de frecuencia relativa para establecer probabilidades, el nmero que obtenemos como probabilidad adquirir mayor precisin a medida que aumentan las observaciones. Una dificultad presente con este planteamiento es que la gente lo utiliza a menudo sin evaluar el nmero suficiente de resultados. PROBABILIDADES SUBJETIVAS Las probabilidades subjetivas estn basadas en las creencias de las personas que efectan la estimacin de probabilidad. La probabilidad subjetiva se puede definir como la probabilidad asignada a un evento por parte de un individuo, basada en la evidencia que se tenga disponible. Esa evidencia puede presentarse en forma de frecuencia relativa de presentacin de eventos pasados, o puede tratarse simplemente de una creencia meditada. Las valoraciones subjetivas de la probabilidad permiten una ms amplia flexibilidad que los otros dos planteamientos. Los tomadores de decisiones pueden hacer uso de cualquier evidencia que tengan a mano y mezclarlas con los sentimientos personales sobre la situacin. Las asignaciones de probabilidad subjetiva se dan con ms frecuencia cuando los eventos se presentan slo una vez o un nmero muy reducido de veces. Como casi todas las decisiones sociales y administrativas de alto nivel, se refieren a situaciones especficas y nicas, los responsables de tomar decisiones hacen un uso considerable de la probabilidad subjetiva.

EJEMPLOS a) Calcular la probabilidad de que salga "cara" al lanzar una moneda: Casos favorables: 1 (que salga "cara") Casos posibles: 2 (puede salir "cara" o "cruz") Probabilidad = (1 / 2 ) * 100 = 50 % b) Calcular la probabilidad de que salga "3" al lanzar un dado: Casos favorables: 1 (que salga "3") Casos posibles: 6 (puede salir "1, 2, 3, 4, 5 o 6") Probabilidad = (1 / 6 ) * 100 = 16,6 % DISTRIBUCIN DE PROBABILIDAD DISCRETA. Una variable discreta es sencillamente una variable para la que se dan de modo inherente separaciones entre valores observables sucesivos. En otras palabras, se define una variable discreta como la variable tal que entre 2 valores cualesquiera observables, hay por lo menos un valor no observable. Se denomina distribucin de probabilidad discreta a aquella cuya funcin de probabilidad de slo toma valores positivos en un conjunto de valores

finito o infinito numerable. A dicha funcin se le llama funcin de masa de

probabilidad. En este caso la distribucin de probabilidad es la suma de la funcin de masa, por lo que tenemos entonces que:

Y, tal como corresponde a la definicin de distribucin de probabilidad, esta expresin representa la suma de todas las probabilidades desde . hasta el valor

CARACTERSTICAS: 1. Es generada por una variable discreta (x). X= Variable que solo toma valores enteros X= 0, 1, 2, 3, 4, 5, 6, 7, 8,... etc. 2. p (xi)0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero. 3. Sp(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x debe ser igual a 1.

EJEMPLOS Se lanza un par de dados. Se define la variable aleatoria X como la suma de las puntuaciones obtenidas. Hallar la funcin de probabilidad, la esperanza matemtica y la varianza. Un jugador lanza un dado corriente. Si sale nmero primo, gana tantos cientos de euros como marca el dado, pero si no sale nmero primo, pierde tantos cientos de euros como marca el dado. Determinar la funcin de probabilidad y la esperanza matemtica del juego. Si una persona compra una papeleta en una rifa, en la que puede ganar de 5.000 un segundo premio de 2000 con probabilidades de: 0.001 y 0.003. Cul sera el precio justo a pagar por la papeleta?

 Sea X una variable aleatoria discreta cuya funcin de probabilidad es: x 0 1 2 3 4 5 pi 0,1 0,2 0,1 0,4 0,1 0,1

DISTRIBUCIN DE PROBABILIDAD CONTINUA. Una distribucin de probabilidad continua, la distribucin normal. En teora de la probabilidad una distribucin de probabilidad se llama continua si su funcin de distribucin es continua. Puesto que la funcin de distribucin de una variable aleatoria X viene dada por , la definicin implica que en

una distribucin de probabilidad continua X se cumple P[X = a] = 0 para todo nmero real a, esto es, la probabilidad de que X tome el valor aes cero para cualquier valor de a. Si la distribucin de X es continua, se llama a X variable aleatoria continua. En las distribuciones de probabilidad continuas, la distribucin de probabilidad es la integral de lafuncin de densidad, por lo que tenemos entonces que:

Mientras

que

en

una distribucin

de

probabilidad

discreta un suceso con probabilidad cero es imposible, no se da el caso en una variable aleatoria continua. EJEMPLO: Si se mide la anchura de una hoja de roble, el resultado 3,5 cm es posible, pero tiene probabilidad cero porque hay infinitos valores posibles entre 3 cm y 4 cm. Cada uno de esos valores individuales tiene probabilidad cero, aunque la probabilidad de ese intervalo no lo es. Esta aparente paradoja se resuelve por el hecho de que la probabilidad de que X tome algn valor en un conjunto infinito como un intervalo, no puede calcularse mediante la adicin simple de probabilidades de valores individuales. Formalmente, cada valor tiene una probabilidad infinitesimal que estadsticamente equivale a cero.

CARACTERSTICAS: 1. Es generada por una variable continua (x). X= Es una variable que puede tomar tanto valores enteros como fraccionarios. X= 1.0, 3.7, 4.0, 4.6, 7.9, 8.0, 8.3, 11.5, ....., 2. f(x)0 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero. Dicho de otra forma, la funcin de densidad de probabilidad deber tomar solo valores mayores o iguales a cero. La funcin de densidad de probabilidad slo puede estar definida en los cuadrantes I y II.

3.

La sumatoria de las probabilidades asociadas a cada uno de los

valores que toma x debe ser igual a 1. El rea definida bajo la funcin de densidad de probabilidad deber ser de 1.

MUESTREO En estadstica se conoce como muestreo a la tcnica para la seleccin de una muestra a partir de una poblacin. Cabe mencionar que para que el muestreo sea vlido y se pueda realizar un estudio adecuado (que consienta no solo hacer estimaciones de la poblacin sino estimar tambin los mrgenes de error correspondientes a dichas estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de que el resultado sea una muestra representativa, pero s podemos actuar de manera que esta condicin se alcance con una probabilidad alta. En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la poblacin, se puede extraer dos o ms muestras de la misma poblacin. Al conjunto de muestras que se pueden obtener de la poblacin se denomina espacio muestral. La variable que asocia a cada muestra su probabilidad de extraccin, sigue la llamada distribucin muestral. TIPOS DE MUESTREO MUESTREO PROBABILSTICO Forman parte de este tipo de muestreo, todos aquellos mtodos para los que puede calcular la probabilidad de extraccin de cualquiera de las muestras posibles. Este conjunto de tcnicas de muestreo es el ms aconsejable, aunque en ocasiones no es posible optar por l. En este caso se habla de muestras probabilsticas, pues no es en rigor correcto hablar de muestras representativas dado que, al no conocer las caractersticas de la poblacin, no es posible tener certeza de que tal caracterstica se haya conseguido. Sin reposicin de los elementos: Cada elemento extrado se descarta para la subsiguiente extraccin. Por ejemplo, si se extrae una muestra de una "poblacin"

de bombillas para estimar la vida media de las bombillas que la integran, no ser posible medir ms que una vez la bombilla seleccionada. Con reposicin de los elementos: Las observaciones se realizan con remplazamiento de los individuos, de forma que la poblacin es idntica en todas las extracciones. En poblaciones muy grandes, la probabilidad de repetir una extraccin es tan pequea que el muestreo puede considerarse con reposicin aunque, realmente, no lo sea. Con reposicin mltiple: En poblaciones muy grandes, la probabilidad de repetir una extraccin es tan pequea que el muestreo puede considerarse con reposicin. Para realizar este tipo de muestreo, y en determinadas situaciones, es muy til la extraccin de nmeros aleatorios mediante ordenadores, calculadoras o tablas construidas al efecto. Pero no es exacto MUESTREO SISTEMTICO Se utiliza cuando el universo o poblacin es de gran tamao, o ha de extenderse en el tiempo. Primero hay que identificar las unidades y relacionarlas con el calendario (cuando proceda). Luego hay que calcular una constante, que se denomina coeficiente de elevacin K= N/n; donde N es el tamao del universo y n el tamao de la muestra. Determinar en qu fecha se producir la primera extraccin, para ello hay que elegir al azar un nmero entre 1 y K; de ah en adelante tomar uno de cada K a intervalos regulares. Ocasionalmente, es conveniente tener en cuenta la periodicidad del fenmeno. Esto quiere decir que si tenemos un determinado nmero de personas que es la poblacin (N) y queremos escoger de esa poblacin un nmero ms pequeo el

cual es la muestra (n), dividimos el nmero de la poblacin por el nmero de la muestra que queremos tomar y el resultado de esta operacin ser el intervalo, entonces escogemos un nmero al azar desde uno hasta el nmero del intervalo, y a partir de este nmero escogemos los dems siguiendo el orden. MUESTREO ESTRATIFICADO Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se suponen homogneos con respecto a alguna caracterstica de las que se van a estudiar. A cada uno de estos estratos se le asignara una cuota que determinara el nmero de miembros del mismo que compondrn la muestra. Dentro de cada estrato se suele usar la tcnica de muestreo sistemtico, una de las tcnicas de seleccin ms usadas en la prctica. Segn la cantidad de elementos de la muestra que se han de elegir de cada uno de los estratos, existen dos tcnicas de muestreo estratificado: Asignacin proporcional: el tamao de la muestra dentro de cada estrato es proporcional al tamao del estrato dentro de la poblacin. Asignacin ptima: la muestra recoger ms individuos de aquellos estratos que tengan ms variabilidad. Para ello es necesario un conocimiento previo de la poblacin. Por ejemplo, para un estudio de opinin, puede resultar interesante estudiar por separado las opiniones de hombres y mujeres pues se estima que, dentro de cada uno de estos grupos, puede haber cierta homogeneidad. As, si la poblacin est compuesta de un 55% de mujeres y un 45% de hombres, se tomara una muestra que contenga tambin esos mismos porcentajes de hombres y mujeres.

Para una descripcin general del muestreo estratificado y los mtodos de inferencia asociados con este procedimiento, suponemos que la poblacin est dividida en h subpoblaciones o estratos de tamaos conocidos N1, N2,..., Nh tal que las unidades en cada estrato sean homogneas respecto a la caracterstica en cuestin. La media y la varianza desconocidas para el i-simo estrato son denotadas por mi y si2, respectivamente. MUESTREO POR ESTADIOS MLTIPLES Esta tcnica es la nica opcin cuando no se dispone de lista completa de la poblacin de referencia o bien cuando por medio de la tcnica de muestreo simple o estratificado se obtiene una muestra con unidades distribuidas de tal forma que resultan de difcil acceso. En el muestreo a estadios mltiples se subdivide la poblacin en varios niveles ordenados que se extraen sucesivamente por medio de un procedimiento de embudo. El muestreo se desarrolla en varias fases o extracciones sucesivas para cada nivel. Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un pas determinado, stos pueden subdividirse en unidades primarias representadas por circunscripciones didcticas y unidades secundarias que seran los propios profesores. En primer lugar extraemos una muestra de las unidades primarias (para lo cual debemos tener la lista completa de estas unidades) y en segundo lugar extraemos aleatoriamente una muestra de unidades secundarias de cada una de las primarias seleccionadas en la primera extraccin. asi queda explicado MUESTREO POR CONGLOMERADOS Se utiliza cuando la poblacin se encuentra dividida, de manera natural, en grupos que se supone que contienen toda la variabilidad de la poblacin, es decir, la

representan fielmente respecto a la caracterstica a elegir, pueden seleccionarse slo algunos de estos grupos o conglomerados para la realizacin del estudio. Dentro de los grupos seleccionados se ubicarn las unidades elementales, por ejemplo, las personas a encuestar, y podra aplicrsele el instrumento de medicin a todas las unidades, es decir, los miembros del grupo, o slo se le podra aplicar a algunos de ellos, seleccionados al azar. Este mtodo tiene la ventaja de simplificar la recogida de informacin muestral. Cuando, dentro de cada conglomerado seleccionado, se extraen algunos individuos para integrar la muestra, el diseo se llama muestreo bietpico. Las ideas de estratos y conglomerados son, en cierto sentido, opuestas. El primer mtodo funciona mejor cuanto ms homognea es la poblacin respecto del estrato, aunque ms diferentes son stos entre s. En el segundo, ocurre lo contrario. Los conglomerados deben presentar toda la variabilidad, aunque deben ser muy parecidos entre s. MUESTREO NO PROBABILSTICO Es aqul para el que no puede calcularse la probabilidad de extraccin de una determinada muestra. Se busca seleccionar a individuos que tienen un conocimiento profundo del tema bajo estudio, por lo tanto, se considera que la informacin aportada por esas personas es vital para la toma de decisiones. MUESTREO POR CUOTAS Es la tcnica ms difundida sobre todo en estudios de mercado y sondeos de opinin. En primer lugar es necesario dividir la poblacin de referencia en varios estratos definidos por algunas variables de distribucin conocida (como el gnero o la edad). Posteriormente se calcula el peso proporcional de cada estrato, es decir, la

parte proporcional de poblacin que representan. Finalmente se multiplica cada peso por el tamao de n de la muestra para determinar la cuota precisa en cada estrato. Se diferencia del muestreo estratificado en que una vez determinada la cuota, el investigador es libre de elegir a los sujetos de la muestra dentro de cada estrato. MUESTREO DE BOLA DE NIEVE Indicado para estudios de poblaciones clandestinas, minoritarias o muy dispersas pero en contacto entre s. Consiste en identificar sujetos que se incluirn en la muestra a partir de los propios entrevistados. Partiendo de una pequea cantidad de individuos que cumplen los requisitos necesarios, servirn como localizadores de otros con caractersticas anlogas. MUESTREO SUBJETIVO POR DECISIN RAZONADA En este caso las unidades de la muestra se eligen en funcin de algunas de sus caractersticas de manera racional y no casual. Una variante de esta tcnica es el muestreo compensado o equilibrado, en el que se seleccionan las unidades de tal forma que la media de la muestra para determinadas variables se acerque a la media de la poblacin. La cual funciona en base a referencias o por recomendacin. IMPORTANCIA DEL MUESTREO El objetivo de un plan de muestreo es obtener una muestra representativa de la poblacin de donde proviene, y en una cantidad suficientemente pequea para que pueda ser transportada fcilmente al sitio donde va a ser analizada.

El muestreo es importante porque: 1) Por lo general no se pueden estudiar a las poblaciones en su totalidad, entonces estaremos obligados a hacer el muestreo. 2) Es ms rpido y econmico para conocer los parmetros (caractersticas) de inters de la poblacin. 3) Existe metodologa clara y confiable para el muestreo (y tamao de muestra). POBLACIN Poblacin estadstica, en estadstica, tambin llamada universo o colectivo, es el conjunto de elementos de referencia sobre el que se realizan unas de las observaciones. Poblacin (population) es el conjunto sobre el que estamos interesados en obtener conclusiones (hacer inferencia). Normalmente es demasiado grande para poder abarcarlo. TIPOS DE POBLACIN Poblacin finita: cuando el nmero de elementos que la forman es finito, por ejemplo el nmero de alumnos de un centro de enseanza, o grupo clase. Poblacin infinita: cuando el nmero de elementos que la forman es infinito, o tan grande que pudiesen considerarse infinitos. Como por ejemplo si se realizase un estudio sobre los productos que hay en el mercado. Hay tantos y de tantas calidades que esta poblacin podra considerarse infinita.

CONCLUSIN La probabilidad es un mtodo mediante el cual se obtiene la frecuencia de un suceso determinado mediante la realizacin de un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables. La teora de la probabilidad se usa extensamente en reas como la estadstica, la fsica, la matemtica, las ciencias y la filosofa para sacar conclusiones sobre la probabilidad discreta de sucesos potenciales y la mecnica subyacente discreta de sistemas complejos. Las probabilidades constituyen una rama de las matemticas que se ocupa de medir o determinar cuantitativamente la posibilidad de que un suceso o experimento produzca un determinado resultado. El diccionario de la Real Academia Espaola define azar como una casualidad, un caso fortuito, y afirma que la expresin al azar significa sin orden. La idea de Probabilidad est ntimamente ligada a la idea de azar y nos ayuda a comprender nuestras posibilidades de ganar un juego de azar o analizar las encuestas. Pierre-Simn Laplace afirm: "Es notable que una ciencia que comenz con consideraciones sobre juegos de azar haya llegado a ser el objeto ms importante del conocimiento humano". Comprender y estudiar el azar es indispensable, porque la probabilidad es un soporte necesario para tomar decisiones en cualquier mbito.

BIBLIOGRAFA
http://www.monografias.com/trabajos27/probabilidades-discretas/probabilidadesdiscretas.shtml http://www.ditutor.com/distribucion_binomial/distribuciones_discretas.html http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/04Distribucione s%20de%20Probabilidad.htm http://www.slideshare.net/jparrobo/distribuciones-de-probabilidad-discreta

http://es.wikipedia.org/wiki/Probabilidad