Modelos de probabilidad

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.

Parmetro y estimador (estadgrafo)

Un parmetro es un nmero que describe alguna caracterstica de una poblacin.
Los parmetros de inters son:
La media poblacional de una variable aleatoria.
La varianza poblacional de una variable aleatoria.
La proporcin poblacional de individuos que presentan cierta caracterstica.
La poblacin no es conocida en su totalidad (poblacin virtual) pero si una muestra de
tamao n.
Un estimacin puntual es una cantidad que se puede calcular con los datos muestrales y
que aproxima el valor de un parmetro de inters.
Un estimador es una funcin entre las muestras de tamao n y las estimaciones
puntuales correspondientes que recubren el parmetro en cuestin.
El estimador y el parmetro tienen expresiones matemticas similares a la salvedad del
grado de libertad

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:

Espacio muestral y eventos

El espacio muestral es el conjunto de todos los resultados finales (punto muestral)
de un experimento aleatorio.
Ejemplo:
Se considera la variable aleatoria X: N de arequipeos adultos que afirman haber
seguido una dieta en los ltimos 5 aos en una encuesta realizada a 200 personas.
Cul es el espacio muestral correspondientes?
Un evento A es un subconjunto del espacio muestral , Se realiza siempre y cuando
contiene el punto muestral de un ensayo.
Ejemplo
Sea X el resultado obtenido al lanzar un dado cbico .

es el evento sacar un nmero par.

es el evento sacar el punto 4.

es el evento sacar un punto impar.

es el evento seguro porque siempre se realiza.

es el evento imposible porque nunca se realiza.

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.

Principales propiedades de la probabilidad

=1 (propiedad de finitud)
La probabilidad de que un evento no ocurra es el complemento a uno de la
probabilidad de que ocurra:
Si son eventos fuertemente incompatibles entonces

+
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:

Al seleccionar aleatoriamente a un individuo de los que viajaban

en el Titanic, sea el evento H el individuo es hombre y el evento
S el individuo sobrevive.
Calcula las probabilidades siguientes:

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

La probabilidad del encadenamiento de dos eventos se expresa con la regla de la

multiplicacin de las probabilidades:

Esta regla se extiende a ms de dos eventos

Cul es la probabilidad de que al seleccionar aleatoriamente un individuo de la
poblacin y hacerle la prueba, el resultado sea positivo?
Aade los porcentajes adecuados en cada casilla.

Independencia de eventos (estocstica)

Por definicin de probabilidad condicionada, se tiene
Definicin
A y B son eventos independientes siempre y cuando
Intuitivamente, dos eventos son independientes cuando el conocimiento de la
ocurrencia de uno de ellos no modifica la probabilidad de ocurrencia del otro:
y .
Se da independencia cuando los eventos A, B, y son proporcionales

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 .

Variables aleatorias discretas

Una v.a. es discreta si sus valores son aislados, esto ocurre cuando sus valores forman
una secuencia o una sucesin.
Su distribucin viene dada por una funcin positiva que asigna a cada valor su
probabilidad y la suma de todas las probabilidades es UNO.

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:

Media y varianza de una v.a. discreta

Sea X una v.a. discreta con distribucin
La media o esperanza de X es y es un punto referencial de equilibrio (1er momento).
La varianza de X es .
Otra frmula minimiza las operaciones aproximativas (si bien los valores observados
son exactos la media de stos no lo es en general).
La desviacin tpica es la raz cuadrada de la varianza muestral, .

Ejemplos: Calcula la media y la varianza de X

a. X es la v. a. que representa el resultado de lanzar un dado correcto.
b. X tiene distribucin
c.

X tiene distribucin

d. Sea X el nmero de aleteos por segundo de una cierta especie de mariposa

cuando vuela. Su distribucin es:

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.

Relacin entre la distribucin de Poisson y la binomial

Cuando el nmero de ensayos tiende a infinito, la probabilidad p de xito tiende a
cero quedando constante el producto (se levanta la forma indeterminada ).
Por ello, la distribucin binomial tiende a la distribucin de Poisson , ambas
distribuciones deben tener el mismo primer momento (la media ) que es la
caracterstica principal de las distribuciones de probabilidad.
Sin embargo, subsiste un conflicto a resolver: cmo sustituir el recorrido finito
binomial por un recorrido infinito poissoniano?
Esto es posible debido al redondeo de las probabilidades cuando se redondea las
probabilidades poissonianas el recorrido poissoniano se vuelve finito: a partir de un
nmero suficiente de ensayos, los redondeos de las probabilidades poissonianas
son todos nulos. Por tanto, el recorrido poissoniano se vuelve virtualmente finito.
El clculo de probabilidad del nmero de xitos, en muchos intentos con poca
probabilidad de xito en cada uno, es ms factible con la ley de Poisson en lugar de
la binomial. El problema con la ley binomial reside a sumar productos obtenidos de
la multiplicacin de la cantidad muy grande por la cantidad muy pequea .

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

178.98 258.81 187.13

Variables aleatorias continuas

Una v.a. es continua si puede tomar valor en un intervalo.
La distribucin de una v.a. continua X est determinada por una funcin de densidad
(de probabilidad) .
La probabilidad del evento es el rea entre a y b bajo la funcin de densidad:
La funcin de densidad debe cumplir:

para todo real x.

(relacin de exhaustividad).

Densidad y probabilidad del evento

La densidad como lmite de histogramas

Algunas funciones de densidad

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:

Media y varianza de una v.a. continua

Las v.a. continuas tambin tienen su media, varianza / desviacin estndar, momentos.
Se definen mediante integrales:
.
.
Ejercicio
Calcula la esperanza y la varianza de X: proporcin de aditivo en la alimentacin.

Densidades, media y varianza

Distribucin exponencial
Una v.a. X tiene distribucin exponencial de parmetro , , si su funcin de
densidad es
Su media y varianza son:

y .

Esta distribucin suele utilizar para representar el tiempo de supervivencia o

duracin de un sistema biolgico o mecnico.

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

Simtrica alrededor de un valor central .

A medida que los valores se alejan del centro las frecuencias disminuyen
rpidamente.
La dispersin viene dada por la desviacin estndar .
Los puntos de inflexin se sitan en los valores y .

Distribucin normal: definicin

La v.a. continua X sigue una distribucin normal de parmetros y >0 si su
densidad es

La curva de densidad normal segn y

Propiedades importantes de una poblacin normal

1. Regla 68-95-99
En una poblacin con distribucin normal :
. Aproximadamente el 68% de los datos est entre y .
. Aproximadamente el 95% de los datos est entre y .
. Ms del 99% de los datos est entre y .
2. Estandarizacin
Si una v.a. X tiene distribucin entonces la variable estandarizada
Tiene distribucin (normal estndar)

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?

Tabla de la distribucin normal estndar

,

Ejercicios para usar la tabla normal

Sea Z una v.a. normal estndar. Mira en la tabla para hacer los ejercicios
siguientes:

Sea X una v.a. normal de media y desviacin estndar .

Calcular las probabilidades

Propiedades importantes de una poblacin normal

3. Producto de una normal por una constante
Sea un real y entonces
Ejemplo
Sea X una v.a. normal de parmetro 5 y 1, .
Determina la distribucin de las variables aleatorias:

Propiedades importantes de una poblacin normal

4. Suma de v.a. normales independientes
Sean y independientes entonces
+~
Ejemplo
Sea y dos variables normales independientes.
Determina la distribucin de las variables aleatorias:
. +,
. ,
. +,
. .

Estimacin de la media poblacional

Para estimar la media de una poblacin , el estimador natural es la media
muestral .
Cul es la calidad de la estimacin?
Un estimador es una variable aleatoria ya que su valor depende de la muestra
concreta de la que se dispone y la seleccin de la muestra es aleatoria.
La precisin de la estimacin se mide analizando lo que ocurrir si se dispusiera
de todas las muestras (recubrimiento de la poblacin) y se pudiera evaluar la
media para cada una de ellas.
Se tiene que estudiar la distribucin de las medias muestrales .

Distribucin de las medias muestrales en una poblacin normal

Distribucin de las medias muestrales en una poblacin normal

Sean datos independientes procedentes de una poblacin normal de media y
desviacin estndar .
Entonces la distribucin de las medias muestrales es la normal
Observaciones
Para cualquier tamao n, el valor esperado de la media muestral coincide con la
media de la poblacin .
Al aumentar el tamao muestral n, la desviacin estndar disminuye y la
probabilidad de obtener valores de cercanos a la media poblacional aumenta.

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 ?

 De acuerdo con la Organizacin Mundial de la Salud un individuo tiene

sobrepeso si su ndice de masa corporal (IMC) es superior a 25.
Se sabe que el IMC de una poblacin es una variable normal de media y
desviacin estndar
a. Calcula la probabilidad de que un individuo seleccionado al azar en esta
poblacin presente sobrepeso.
b. Calcula el valor x tal que IMC del 25% de la poblacin es menor que x.
c. Si se seleccionan aleatoriamente 100 individuos y se calcula la media de
sus IMC, cul es la probabilidad de que esta media sea superior a ?

Relacin entre la distribucin binomial y la normal

Relacin entre la distribucin binomial y la normal

Para tamaos de muestra grandes
La aproximacin es mejor cuanto mayor es el tamao n y la probabilidad de xito
p es ms cercano a .
Ejemplos
Al lanzar una moneda 500 veces, calcula la probabilidad aproximada de
obtener entre 250 y 265 caras.
La prevalencia de cierta infeccin en una poblacin es del 20%. En un estudio
se analizan 200 individuos.
Con qu probabilidad se obtendrn entre 30 y 40 individuos infectados en esta
muestra?

Relacin entre la distribucin de Poisson y la normal

Relacin entre la distribucin de Poisson y la normal

Para valores grandes del parmetro
Completa qu valores hay que escoger para la media poblacional y la desviacin
estndar en la aproximacin anterior.
Cuanto mayor es el valor de , mejor es la aproximacin.
Ejemplo
Suponga que X es una v.a. poissoniana de parmetro .
Determina el valor aproximado c tal que .