Beruflich Dokumente
Kultur Dokumente
Estructura
de este tema
Conceptos bsicos de probabilidad.
Modelos discretos:
La distribucin binomial y la distribucin de Poisson.
Modelos continuos:
La distribucin exponencial, la distribucin normal y sus
distribuciones derivadas (, t, F).
Estimacin de una media en poblaciones normales.
Ejemplos
Se seleccionan aleatoriamente (m.a.s.) 200 arequipeos adultos y se les pregunta si
han seguido alguna dieta en los ltimos cinco aos. De las personas seleccionadas 20
responden afirmativamente.
Se seleccionan aleatoriamente (m.a.s.) 200 arequipeos y se mide su ndice de masa
corporal (IMC). La media de los IMC medidos es de 22.3.
Determina en los ejemplo anteriores un parmetro poblacional de inters y su
correspondiente estimador.
Para determinar la calidad de una estimacin se utilizan conceptos de probabilidad.
Variable aleatoria
Una variable aleatoria (v.a.) representa numricamente el resultado de un
experimento aleatorio.
En el primer ejemplo, cada ensayo del experimento consiste en seleccionar a un
arequipeo adulto aleatoriamente y preguntarle si ha seguido o no una dieta.
Una variable aleatoria que representa el resultado de un ensayo es:
Probabilidad de un evento
La probabilidad es una funcin P que, a cada evento A, le hace corresponder un
nmero P(A) entre 0 y 1 y que refleja la posibilidad de realizarse un evento.
En muchas ocasiones, los eventos presentan un comportamiento regular a largo
plazo. Por ejemplo, al lanzar muchas veces una moneda correcta, el porcentaje de
veces que sale cara se aproxima al 50%.
En estos casos, la probabilidad de un evento puede interpretarse como el valor al
que converge la frecuencia de las veces que ocurre ese evento al aumentar el
nmero de ensayos del experimento.
Incompatibilidad de eventos
Dos eventos son incompatibles cuando no tiene punto muestral en comn:
Se generaliza a ms de dos eventos (incompatibilidad global o fuerte) cuando hay
incompatibilidad de dos en dos: A y B, B y C, A y C incompatibles.
+
Si A y B son dos eventos cualesquiera (no necesariamente incompatibles)
entonces se tiene la regla de la adicin de las probabilidades:
Probabilidad condicionada
La siguiente tabla muestra los 2 201 individuos que viajaban en el
Titanic clasificados por sexo y segn sobrevivieron o no:
Probabilidad condicionada
En general, la probabilidad de un evento A condicionado a otro B (tal que ) se
define
Obsrvese que si se tiene una forma indeterminada.
Sensibilidad y especificidad
La prevalencia del virus VIH es del 5% en una poblacin. Se ha diseado una
prueba para detectar la presencia del virus. La prueba tiene una sensibilidad
(porcentaje de positivos entre los enfermos) del 95% y una especificidad
(porcentaje de negativos entre los sanos) del 99%.
Definimos los eventos:
A, la prueba da positiva ( da negativo).
E, el individuo est enfermo ( est sano).
Probabilidad condicionada
Ejemplo
Calcula la probabilidad de que al lanzar tres veces se
obtenga al menos una vez un seis.
Diagrama en rbol
Las tres operaciones lgicas bsicas (negacin, disyuncin y conjuncin) est asociadas a
las tres reglas sobre el clculo de probabilidades:
Regla del evento contrario
Regla de la adicin de las probabilidades
Regla de la multiplicacin de las probabilidades
Estas reglas se usan en los diagramas arborescentes.
Si el experimento consiste en lanzar una moneda y luego
un dado cbico, cada resultado consta de un par
( faz moneda, puntaje dado ) y el espacio muestral
estara formado por puntos muestrales.
Esto se ilustra con un diagrama en rbol.
Teorema de Bayes
El teorema de Bayes permite invertir el sentido de recorrido de un diagrama en rbol y
se conoce tambin como el teorema de las causas.
Teorema de Bayes
Sea una particin del espacio de muestras y un evento ocurrido B (luego ). Los
eventos son las causas de la realizacin del evento B y se desea calcular la probabilidad
de cada causa en la ocurrencia del evento realizado B. Se tiene:
,.
Ejemplo
Los pacientes de un centro nutricional sufren de bulimia, anorexia o
permarexia. La eleccin de un paciente al azar lleva a una
probabilidad de:
de ser bulmico,
de ser anorxico,
de ser permarxico.
de ser una mujer si es bulmico,
de ser una mujer si es anorxico,
de ser una mujer si es permarxico.
Cul es la probabilidad de ser un paciente mujer?
Cul es la probabilidad de ser bulmico si es mujer?
Cul es la probabilidad de ser anorxico si es hombre?
Anlisis combinatorio
El anlisis combinatorio estudia los diversos arreglos (con orden) o selecciones (sin
orden) que se puede formar con los elementos de un conjunto dado.
Principios fundamentales del Anlisis Combinatorio
En la mayora de los problemas de anlisis combinatorio se observa que una
actividad aparece en forma repetitiva y es necesario conocer las maneras que se
puede realizar dicha operacin. Para ello, es til conocer determinadas estrategias de
conteo que facilitarn el clculo sealado.
El anlisis combinatorio tambin se define como una manera prctica y abreviada de
contar; las operaciones o actividades que se presentan son designadas como eventos.
Ejemplo:
Sealar las diferentes maneras de vestir de una persona,
utilizando un nmero determinado de prendas de vestir.
Ordenar 5 artculos en 7 casilleros.
Designar 5 personas de un total 50 para integrar una comisin.
Escribir una palabra de 7 letras utilizando 4 consonantes y 3
vocales.
Anlisis combinatorio
Factorial de un nmero natural (nmeros enteros positivos sin incluir el cero)
El factorial de n se escribe n! y se define por la relacin iterativa
Variaciones (sin repeticin)
Una variacin de los elementos de un conjunto es una disposicin ordenada de los
mismos. Si hay n elementos en el conjunto, el nmero de variaciones depender del
nmero de objetos m que se deseen tomar y ordenar.
Las variaciones de n elementos tomados en grupo de "m en m" es igual a
Permutaciones (sin repeticin)
Una permutacin de n elementos es una variacin de estos:
m!
Combinaciones (sin repeticin)
Las combinaciones de orden m de n objetos son los grupos de m objetos que se
pueden formar entre los n, de modo que dos cualesquiera difieran en algn objeto. A
diferencia de las variaciones, en las combinaciones, no importa el orden de sucesin de
los elementos. El nmero de combinaciones est dado por la frmula
Anlisis combinatorio
Variaciones (con repeticin)
Permutaciones (con repeticin)
Combinaciones (con repeticin)
Ejemplo
De cuntas maneras se puede repartir 10 caramelos a 4 nios Alonso, Beto, Carlos y
Daniel?
Una posible forma de repartir los caramelos sera AABBBCCDDD, es
decir 2 a Alonso, 3 a Beto, 2 a Carlos y 3 a Daniel.
Otra sera ADDDDDDDDDD
De esta forma, por el principio de la biyeccin, el nmero de formas en que se puede
repartir los caramelos es igual al nmero de series de 10 letras (sin tomar en cuenta el
orden) A, B, C, D. Pero cada una de ellas corresponde a un multiconjunto con 10
elementos, por lo que concluimos que el nmero total de formas de repartir los
caramelos es .
y
Ejemplos
Cul es la distribucin de la v.a. que representa el punto saliente de un dado
cbico?
Si X: Individuo con dieta entonces su distribucin es:
X tiene distribucin
Calcula , y .
La distribucin de Bernoulli
Un ensayo de Bernoulli consiste en un experimento aleatorio con dos posibles
resultados: xito (evento de inters) y fracaso (evento contrario).
Una v.a. de Bernoulli (con parmetro p) es aquella que toma el valor 1 (xito) con
probabilidad p y el valor 0 (fracaso) con probabilidad .
Siempre que se examina a n individuos de una poblacin para ver si presentan o no
cierta caracterstica (xito) se tiene una muestra aleatoria simple (m.a.s.) de variables
de Bernoulli.
La media y la varianza son las que se han calculado en el ejemplo anterior.
La distribucin binomial
Se realiza n ensayos de Bernoulli independientes, por tanto la probabilidad de
xito es constantemente igual a p en los n ensayos.
Se considera la v.a. X que corresponde al nmero de xitos obtenidos en los n
ensayos. X tiene distribucin binomial de parmetros n y p:
Se comprueba que y .
La ley binomial se utiliza para determinar proporciones en la poblacin.
Qu valores puede tomar una v.a. ? Y una v.a. ?
En el primer caso, cunto valen , y ?
Intuitivamente, cuntos cree que vale en los dos casos anteriores?
La distribucin binomial
El porcentaje de individuos de una poblacin cuya sangre es del grupo B es del
10%. Se seleccionan aleatoria e independientemente cuatro individuos de esta
poblacin.
Determina las probabilidades de los siguientes eventos:
La sangre de los cuatro es del grupo B.
Ninguno de los cuatro tiene sangre del grupo B.
Exactamente dos de ellos tienen sangre del grupo B.
En la misma poblacin anterior se selecciona una muestra de 234 individuos.
Cul es el nmero esperado de ellos cuyo sangre pertenece al grupo B?
La distribucin de Poisson
Se realiza n ensayos de Bernoulli dependientes, por tanto la probabilidad de xito es
una funcin decreciente del nmero de ensayos realizados, .
La v.a. X: nmero de xitos obtenidos en los ensayos sigue una distribucin de
Poisson de parmetro :
Se comprueba que .
La ley de Poisson se utiliza en los procesos de conteo.
La distribucin de Poisson resulta til en muchos procesos en los que ocurren
determinados eventos por unidad de tiempo o espacio (Proceso de Poisson).
El nmero de plaquetas en un ml de sangre.
El nmero de mutaciones en un fragmento de ADN despus de una cierta cantidad
de radiacin.
El nmero de individuos anorxicos en Arequipa.
La distribucin de Poisson
Causas de los trastornos alimenticios en Arequipa 2012-13 (datos hipotticos)
Media de las causas: 1.446
Causas
recuento
192
258
163
96
35
10
90.20
32.61
9.43
2.27
0.47
Poisson
(relacin de exhaustividad).
Cuestiones
De las seis funciones de densidad para una v.a. X, indica cules verifican cada una
de las condiciones siguientes:
X slo toma valores positivas.
X puede tomar cualquier valor positivo.
La probabilidad de que X tome valores en es la misma que la de que tome
valores en .
La v.a. X es un modelo adecuado para el tiempo de vida humana.
Ejemplo
La proporcin X de aditivo en la alimentacin es una v.a. continua con funcin de
densidad
Dibuja la densidad y calcula las siguientes probabilidades:
Distribucin exponencial
Una v.a. X tiene distribucin exponencial de parmetro , , si su funcin de
densidad es
Su media y varianza son:
y .
Distribucin exponencial
Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una
distribucin exponencial con media de 16 aos.
Cul es la probabilidad de que a una persona ala que se le ha implantado este
marcapasos se le deba reimplantar otro antes de 20 aos?
Cul es la probabilidad de que el marcapasos que la han implantado le dura ms
de 10 aos?
Determina el tiempo T tal que la probabilidad de que el marcapasos dure ms que
T es igual a la probabilidad de que dure menos que T.
Compara el valor obtenido en el apartado anterior con la duracin media.
Distribucin normal
Muchos histograma tienen la siguiente forma aproximada
Ejemplo
Sea X la v.a. que representa la cantidad diaria de kcal que toma una persona
elegida al azar en una poblacin. Se sabe que la poblacin es normal con media y
desviacin tpica .
Usando las propiedades anteriores da respuestas aproximadas a las siguientes
preguntas:
Cul es la probabilidad de que X est entre 2 300 y 2 700 kcal?
Cul es la probabilidad de que X sea mayor que 2 700kcal?
Cul es la probabilidad de que X sea mayor que 2 500 kcal?
Cul es la probabilidad de que X sea mayor que 2 300 kcal?
Ejemplos
Un laboratorio pesa el filtro de una mina de carbn para medir la cantidad de polvo
ambiental en la mina.
Debido a imprecisiones en los aparatos, las medias tienen distribucin normal con
media el verdadero peso y desviacin estndar .
a.Se calcula la media de 3 medidas realizadas con el filtro .
Cul es la distribucin de ?
b.Cul es la probabilidad de que diste de menos de ?
c.Cul es la probabilidad de que una nica medida del filtro diste de menos
de ?