Tarea 1 Fsica Estadstica

FERNANDO I. MONDRAGN VEGA

JOEL MONTOYA GARICA
WALTER RUBI VALLADARES
Facultad de Ciencias de la Universidad Autnoma del Estado de Mxico
(Fecha: 10 de agosto de 2015)

1.- PROBABILIDAD CONDICIONADA

Sean A y B dos sucesos tales que P(A) > 0. Denotamos por P (B j A) la probabilidad de B
dado que A ha ocurrido. Puesto que se sabe que A ha ocurrido, se convierte en el nuevo
espacio muestral reemplazando el original, de aqu llegamos a la definicin.

A)

P
F( B A)=
O tambin se puede ver como
P(A \ B) = P(A) P (B A)
En palabras, la ecuacin (2) nos dice que la probabilidad de que tanto A y B ocurran es
igual a la probabilidad de que A ocurra tantas veces la probabilidad de que B ocurra dado
que A ha ocurrido. Llamamos a P (B A) la probabilidad condicional de B dada A.
Diagnstico Clnico
Para detectar enfermedades en los laboratorios y universidades se disean pruebas. Para
probarlas se usan grupos de personas ya diagnosticadas de la enfermedad para la que se
ha diseado la prueba. Tambin se usan grupos de personas que se sabe no padecen
esa enfermedad. Llamamos E= {tener la enfermedad}
Se denomina sensibilidad de una prueba a la probabilidad de que sta de positiva cuando
se aplica a una persona que tiene la enfermedad. Interesa que la misma sea la mayor
posible para el desarrollo de un test adecuado.
Se denomina especificidad de la prueba a la probabilidad de que una persona que no
tiene la enfermedad d un resultado negativo. Interesa que tambin sea lo mayor posible.
EJEMPLO
Calcular la probabilidad de obtener un 6 al tirar un dado sabiendo que ha salido par.

Sucesos independientes
Dos sucesos A y B son independientes si
p(A/B) = p(A)
Sucesos dependientes
Dos sucesos A y B son dependientes si
p(A/B) p(A)
2.- PRODUCTO DE PROBABILIDADES
El concepto de producto de probabilidades se aplica cuando se tienen sucesos
independientes. Si P (B j A) = P (B), es decir la probabilidad de que B ocurra no est
afectada por la ocurrencia o no ocurrencia de A, entonces decimos que A y B son sucesos
independientes. Esto es equivalente a
P(A \ B) = P(A) P (B)
A y B son independientes
En la bsqueda de planetas que puedan albergar vida, la probabilidad de encontrar otro
en esta galaxia es bajsimo, pues ya est la Tierra, sin embargo la probabilidad de
encontrar otro planeta similar a la Tierra en otra galaxia es igual a la probabilidad de que
exista la Tierra, pues son eventos independientes.
EJEMPLO
Si se responden al azar cuatro preguntas con cinco opciones cada una, cul es la
probabilidad de acertar a todas?
La probabilidad de acierto en cada una de las preguntas es 1/5. Por lo tanto, la
probabilidad de acertar en las cuatro es:

3.- FUNCIONES DE PROBABILIDAD

A. NORMALIZACIN
La normalizacin devuelve un valor normalizado de una distribucin caracterizada por los
argumentos media y desviacin estndar, esto es una probabilidad matemtica. Para
determinar si una funcin esta o no normalizada su integral debe de ser igual a 1.

P ( x ) dx=1
a

B. VALOR PROMEDIO
El concepto del valor promedio de una funcin en un intervalo es solamente uno de los
muchos usos prcticos de las integrales definidas para representar procesos de suma.
Se puede tomar como muestra haciendo una particin en el intervalo,
subdivisiones de la misma longitud

x=

ba
n

( a , b ) en n

evaluado en un punto C.

Otra manera de representar el valor promedio es:

X P ( x ) dx= X >
b

C. VARIANZA
La varianza que suele representarse como: ( ) de una variable aleatoria es una medida
de dispersin definida como la esperanza del cuadrado de la desviacin de dicha variable
respecto a su media.
En cosmologa existe un problema llamado paradoja de la informacin, el cual enfrenta a
la cuntica contra el relativismo, se plantea la pregunta Qu pasa con la informacin que
entra en un agujero negro? Segn el relativismo se pierde, pero segn la cuntica la
informacin se preserva pues se sabe que al normalizar esa informacin el valor es 1
desde - hasta +, lo que indica que la informacin debe estar en alguna parte del
universo y no se pierde.
2

X >
= X 2 >
2

4.- FUNCIONES DE PROBABILIDAD

A. BERNOULLI
La distribucin de Bernoulli es una distribucin de probabilidad discreta, que toma valor 1
para la probabilidad de xito ( ) y valor 0 para la probabilidad de fracaso (
).
Si
es una variable aleatoria que mide el "nmero de xitos", y se realiza un nico

experimento con dos posibles resultados (xito o fracaso), se dice que la variable
aleatoria
se distribuye como una Bernoulli de parmetro .

Su funcin de probabilidad viene definida por:

La frmula ser:

B. BINOMIAL
Sea X el nmero total de xitos en la n pruebas independientes y repetidas de
Bernoulli con probabilidad p de xitos en un prueba dada. A X se le llama funcin
binomial con parmetros a y p.

()

Px( x )= n p x q xnx
x

C. GAUSSIANA

, x=0, 1,2., n.

Las distribuciones de la mayora de las muestras tomadas en el campo de la industria se

aproximan a la distribucin normal si el tamao de la muestra es grande. Esta distribucin
queda definida por dos parmetros: la media m y la desviacin tpica s. Se presenta
mediante una curva simtrica conocida como campana de Gauss. Esta distribucin nos da
la probabilidad de que al elegir un valor, ste tenga una medida contenida en unos
intervalos definidos. Esto permitir predecir de forma aproximada, el comportamiento
futuro de un proceso, conociendo los datos del presente.

D.
E. POISSON
Los eventos discretos se generan en un intervalo continuo el cual se puede tomar un
intervalo suficientemente corto de longitud h, tal que la probabilidad de exactamente 1
ocurrencia de intervalo es aproximadamente

y la probabilidad de 2 o ms

ocurrencias en el intervalo es aproximadamente a 0, las ocurrencias son estadsticamente

independientes entre s.

( )

h s
Px =
e
k!
( k)

F. EXPONENCIAL

, k=0,1,2..

Dado un proceso poisson con parmetro

se designa con cero el momento en que

se empieza a observar el proceso. Sea t el tiempo que transcurre hasta que ocurra el
primer evento se llama funcin exponencial.
Ya que el tiempo se mide en forma continua se puede ver que t es una variable aleatoria
continua que tiene su rango dentro de los enteros positivo.

Ft(s)= 1-

es

, s>0

G. LORENTZIANA
La curva de Lorenz es una representacin grfica utilizada frecuentemente para plasmar
la distribucin relativa de una variable en un dominio determinado. Suponiendo la
distribucin agrupada por intervalos y siendo xi la marca de clase de cada intervalo (el
punto medio) el monto acumulado en el primer intervalo ser: u1 = x1 . n1

H. PLANA
X es una variable aleatoria uniforme en el intervalo (a,b) si
1. el rango de x es el intervalo (a,b).
2. fx es constante para x R.
x(w)=w

El hecho de que el resultado de la muestra tenga la misma verosimilitud de tomar

cualquier valor en un intervalo determinado implica que x tiene la misma verosimilitud de
tomar valores en ese mismo intervalo.

5.- UTILIZANDO LA FUNCION DISTRIBUCION DE PROBABILIDAD P(X)=AXN, CON X

EN EL INTERVALO 0<X<1, PARA VALORES ENTEROS Y POSITIVOS DE N.
A. identificar la normalizacin de la funcin p
B. calcular el valor promedio <x> como funcin de n
2

x >
C. calcular 2= < x 2 >
A
1

ax n dx=1
0

a x n dx =
0

ax n +1
n+1

a
f ( x ) dx= n+1
0

B
1

Xx f ( x ) dx=
0

n+1
n+2

como funcin de n

x >
2
= x 2 >

Bibliografa
Murray R. Spiegel, Estadistica, 1991, segunda edicin, editorial interamericana de
Espaa. PP. 159
Harold J. Larson, introduccin a la teora de probabilidad e inferencia estadstica, 1992.
Editorial limusa, S.A de C.V. PP.145