Académique Documents
Professionnel Documents
Culture Documents
Tema 2
I Cuatrimestre
1 / 45
Recordemos que: La Inferencia Estad stica se encarga de extraer conclusiones generales sobre una poblacin a partir del estudio de una muestra. o El Clculo de Probabilidades proporciona medidas de abilidad de a las inferencias realizadas.
Tema 2
I Cuatrimestre
2 / 45
Tema 2
I Cuatrimestre
3 / 45
Tema 2
I Cuatrimestre
4 / 45
Espacios muestrales
Denicin o Se llama espacio muestral al conjunto de todos los posibles resultados individuales de un experimento aleatorio, y se representa por W . Sus elementos se representan por letras minsculas y se denominan u sucesos elementales. Los subconjuntos de W , se designan por medio de letras maysculas u (A, B, C , . . .) y se denominan sucesos. Representan los posibles resultados del experimento aleatorio.
Tema 2
I Cuatrimestre
5 / 45
Espacios muestrales
Ejemplo: Para el experimento aleatorio lanzar un dado, el espacio muestral ser a: W = {1, 2, 3, 4, 5, 6} Un posible suceso (distinto de los sucesos elementales) ser a: A = Obtener un nmero par = {2, 4, 6} u
Tema 2
I Cuatrimestre
6 / 45
Dados dos sucesos A y B de un experimento aleatorio, denimos los siguientes sucesos: Unin, A B, es aquel suceso en el que, o bien ocurre A o bien o ocurre B (o ambos). Interseccin, A B, es aquel suceso en el que tanto A como B o ocurren. Complementario, A, es aquel suceso en el que A no ocurre. Es decir, es el conjunto formado por los elementos de W que no estn en A. a Diferencia, A\B, es aquel en el que ocurre A pero no ocurre B, es decir, es el formado por los elementos de A que no estn en B. a A\B = { W : A , B} = A B / Suceso imposible, , es aquel suceso que no puede ocurrir nunca. Suceso seguro, W , es aquel suceso que contiene todos los posibles resultados del experimento.
Maribel Tocn (UCO) o Tema 2 I Cuatrimestre 7 / 45
Denicin o Diremos que dos sucesos A y B son incompatibles o mutuamente excluyentes, y lo denotaremos A B = , si no pueden darse simultneamente. a EJEMPLO: En el lanzamiento de un dado, ser sucesos incompatibles an A B = = Obtener un nmero par u Obtener un nmero impar u = = {2,4,6} {1,3,5}
Tema 2
I Cuatrimestre
8 / 45
Denicin o Dados dos sucesos A y B, diremos que A est incluido en B, y lo a denotaremos A B, cuando cada resultado de A tambin est en B, es e a decir, cuando se cumple que si A ocurre, tambin ocurre B. e
Tema 2
I Cuatrimestre
9 / 45
AB=AB
AB=AB
A (B C ) = (A B) (A C ) A (B C ) = (A B) (A C ) A B = B = A (B A) A B = A C B C A B = A C B C A B = y C A = B C =
Tema 2
I Cuatrimestre
10 / 45
Concepto de Probabilidad
A cada suceso A le vamos a asignar un valor numrico p(A) de [0, 1], que e denominaremos probabilidad de ocurrencia del suceso A, y que expresar el a grado de certidumbre que ocurra el suceso A, esto es, la verosimilitud de ocurrencia del suceso A. Por ejemplo, si p(A) = 0, 98, se considera que es muy veros pensar que mil puede ocurrir el suceso A, mientras que si p(A) = 0, 0003, se considera poco probable que ocurra A. La forma de asignar estos valores debe cumplir unas condiciones o axiomas.
Tema 2
I Cuatrimestre
11 / 45
Axiomtica de Kolmogorov (1933) a Axioma 1 A todo suceso A le corresponde un unico numero no negativo, p(A), al que llamaremos probabilidad de A. Axioma 2 La probabilidad del suceso seguro es 1, p(W ) = 1 Axioma 3 Sean A y B sucesos tales que A B = . Entonces: P(A B) = p(A) + p(B) (idem para uniones numerables de sucesos mutuamente excluyentes).
Tema 2
I Cuatrimestre
12 / 45
Tema 2
I Cuatrimestre
13 / 45
La regularidad estad stica es un hecho experimental que se observa cuando se repite sucesivamente un mismo experimento de azar en idnticas e condiciones. La frecuencia relativa de ocurrencia de cada suceso A fr (A) = nA n
Es un hecho experimental comprobar que, al aumentar n, esta frecuencia tiende a estabilizarse. Se dene entonces la probabilidad de ocurrencia de A como su valor l mite. Ejemplo: lanzamiento de una moneda.
Tema 2
I Cuatrimestre
14 / 45
En muchos experimentos aleatorios el espacio muestral es nito y los sucesos elementales son igualmente probables o veros miles (Ejemplo: lanzamiento de un dado no trucado, o en general los juegos de azar). Entonces pueden calcularse probabilidades de sucesos utilizando la Regla de Laplace Regla de Laplace La probabilidad de un suceso cualquiera es el cociente entre el nmero de u casos favorables a la ocurrencia de dicho suceso y el nmero total de casos u posibles.
Tema 2
I Cuatrimestre
15 / 45
La probabilidad de ocurrencia de un suceso se asigna atendiendo al grado de creencia justicada mediante una informacin a priori sobre el suceso. o Ejemplo Se espera que la ocupacin hotelera en Crdoba en el primer n de o o semana de mayo sea del 90%.
Tema 2
I Cuatrimestre
16 / 45
Propiedades de la Probabilidad
Teorema: (a) Sean A y B sucesos tales que B A. Entonces p(B) p(A). (b) Para todo suceso A se tiene que p(A) 1 (c) Todo suceso A verica que p(A) = 1 p(A). En particular, p() = 0. (d) Si A B entonces p(B\A) = p(B) P(A) (e) Dados A1 , ..., An sucesos incompatibles dos a dos, se verica:
n n
p(
i=1
Ai ) =
i=1
p(Ai )
Tema 2
I Cuatrimestre
17 / 45
La probabilidad de un determinado suceso puede verse modicada si se posee alguna informacin previa sobre el resultado del experimento. o Ejemplo La probabilidad de obtener un 2 en el lanzamiento de un dado es 1/6. Pero si se sabe que en el lanzamiento del dado ha salido un nmero par, u aunque no se sabe cul, la probabilidad de obtener el 2 es ahora de 1/3, el a doble que antes.
Tema 2
I Cuatrimestre
18 / 45
Denicin o Sean A y B dos sucesos con p(B) > 0. Se dene la probabilidad del suceso A condicionada al suceso B como: p(A|B) = p(A B) p(B)
Tema 2
I Cuatrimestre
19 / 45
Intuitivamente, dos sucesos son independientes cuando el que haya ocurrido uno de ellos no modica la probabilidad de ocurrencia del otro.
Tema 2
I Cuatrimestre
20 / 45
Denicin o Sean A y B sucesos tales que P(B) > 0. Diremos que A es independiente de B si P(A|B) = P(A)
Proposicin o Sean A y B sucesos tales que P(A), P(B) > 0. Entonces: A es independiente de B B es independiente de A
Condicin necesaria y suciente de independencia o Sean A y B sucesos tales que P(A), P(B) > 0. Entonces: A y B son independientes P(A B) = P(A)P(B)
Tema 2
I Cuatrimestre
21 / 45
Ejemplo El 20% de los alumnos de una clase de Estad stica son mujeres y se sabe que el 30% de las mujeres son rubias. Cul es la probabilidad de escoger a un alumno de la clase que sea mujer y rubia? Para resolverlo, se consideran los siguientes sucesos: M = {Ser mujer} La probabilidad que se pide es: p(M R) = p(R|M) p(M) = 0 3 0 2 = 0 06 R = {Tener el pelo rubio}
Tema 2
I Cuatrimestre
22 / 45
Regla de la multiplicacin o Sean A1 , ..., An sucesos tales que P(Ai ) > 0 i. Entonces:
p(A1 A2 . . . An1 An ) = = p(A1 ) p(A2 |A1 ) p(A3 |A1 A2 ) . . . p(An |A1 A2 . . . An1 )
Ejemplo Continuando con el ejemplo anterior, si se sabe que el 10% de las mujeres rubias de la clase usan gafas, cul es la probabilidad de que al escoger un a alumno resulte una mujer rubia y con gafas? Para resolverlo, se dene el suceso G={Usar gafas}, por lo que la probabilidad pedida ser: a p(M R G ) = p(G |(R M))p(R|M)P(M) = 0 1 0 3 0 2 = 0 006
Tema 2
I Cuatrimestre
23 / 45
Teorema de la Probabilidad Total Sea {B1 , B2 , . . . , Bn } un sistema completo de sucesos con p(Bi ) > 0 i. Entonces, para todo suceso A se verica:
n
p(A) =
i=1
p(A|Bi )P(Bi )
Tema 2
I Cuatrimestre
24 / 45
Ejemplo Continuando con el ejemplo anterior, si se sabe que el 10% de los hombres de la clase son rubios, cul es la probabilidad de escoger aleatoriamente a una persona rubia? La probabilidad pedida es: p(R) = p(R|M)P(M) + p(R|H)P(H) = 0 3 0 2 + 0 1 0 8 = 0 14
Tema 2
I Cuatrimestre
25 / 45
Ejemplo El 70% de los ordenadores de un laboratorio de prcticas tiene instalado a Windows-98, el 20% Linux RedHat y el resto Windows-XP. En un 25% de los sistemas Win98 se ha instalado el software estad stico SPSS, mientras que en los sistemas Linux se ha instalado en un 60% de los equipos, y en los sistemas XP en un 90%. Cul es la probabilidad de que al escoger un a equipo al azar ste tenga instalado SPSS? e Sean W98={Sistema Win98}, LX={Sistema Linux}, XP={Sistema XP} y SPSS={Instalado SPSS}. Entonces: p(SPSS) = p(SPSS|W 98)P(W 98) + p(SPSS|LX )P(LX )+ +p(SPSS|XP)P(XP) = = 0 25 0 7 + 0 6 0 2 + 0 9 0 1 = 0 385
Tema 2
I Cuatrimestre
26 / 45
Teorema de Bayes
Teorema de Bayes Sea {B1 , B2 , . . . , Bn } un sistema completo de sucesos con p(Bi ) > 0 i. Si A es un suceso cualquiera, se verica: p(Bk |A) = p(A|Bk )P(Bk ) n i=1 p(A|Bi )p(Bi )
p(Bi ):
probabilidades a priori
p(Bi |A): probabilidades a posteriori p(A|Bi ): verosimilitudes El teorema de Bayes resulta util cuando conocemos el resultado nal de un experimento, pero desconocemos alguno de los pasos intermedios en el que estamos interesados.
Maribel Tocn (UCO) o Tema 2 I Cuatrimestre 27 / 45
Ejemplo Continuando con el ejemplo de la clase, si se sabe que se ha elegido a una persona rubia, cul es la probabilidad de que sea mujer? a La probabilidad pedida es: p(M|R) = 0302 p(R|M)p(M) = = 0 4286 p(R) 0 14
Tema 2
I Cuatrimestre
28 / 45
Ejemplo Continuando con el ejemplo de los ordenadores, si seleccionamos un equipo al azar y resulta que tiene instalado SPSS, cul es la probabilidad a de que est trabajando con Sistema Operativo Linux? e La probabilidad pedida es: p(LX |SPSS) = 0602 p(SPSS|LX )p(LX ) = = 0 312 p(SPSS) 0 385
Tema 2
I Cuatrimestre
29 / 45
Variables aleatorias
Ejemplo Sea (W , A, p) un espacio probabil stico asociado a un experimento aleatorio. Una variable aleatoria es una funcin medible o X :W R Por ejemplo: Consideremos el experimento aleatorio consistente en lanzar dos monedas W = {(c, c), (c, e), (e, c), (e, e)} con p(w ) = 1/4 w W , X (w ) = no de caras que aparecen X ((c, c)) = 2, X ((c, e)) = X ((e, c)) = 1, X ((e, e)) = 0
Tema 2
I Cuatrimestre
30 / 45
Variables aleatorias
Otro ejemplo Sea W una poblacin de personas, se elige una, w al azar, o X (w ) = edad del encuestado X (w ) = sexo (codicado 0 = hombre, 1 = mujer) X (w ) = renta familiar
Tema 2
I Cuatrimestre
31 / 45
Denotaremos por SX al espacio muestral de X , es decir, al conjunto de todos los valores posibles de X . Variables aleatorias discretas / Variables aleatorias continuas
Tema 2
I Cuatrimestre
32 / 45
Una variable aleatoria discreta tiene asociada una funcin de o probabilidad: f (x) = p(X = x) := p(X 1 (x)) Observacin: o f (x) = 1
xSX
Tema 2
I Cuatrimestre
33 / 45
X (w ) = no de caras que aparecen, SX = {0, 1, 2} (v.a. Discreta) En este caso: f (0) = p(X = 0) = p((e, e)) = 1/4 f (1) = p(X = 1) = p((c, e) (e, c)) = 2/4 = 1/2 f (2) = p(X = 2) = p((c, c)) = 1/4 f (x) = 0, x SX /
Tema 2
I Cuatrimestre
34 / 45
x R
f (t)
En el ejemplo del lanzamiento de dos monedas: F (0) = p(X 0) = p(X = 0) = 1/4 F (1) = p(X 1) = p(X = 0) + p(X = 1) = 1/4 + 2/4 = 3/4 F (2) = p(X 2) = p(X = 0) + p(X = 1) + p(X = 2) = 4/4 = 1
Tema 2
I Cuatrimestre
35 / 45
Media y varianza
xf (x)
Varianza: 2 = V [X ] = E [(X )2 ]
Tema 2
I Cuatrimestre
36 / 45
Se comprueba que =p 2 = pq
Tema 2
I Cuatrimestre
37 / 45
Distribucin Binomial B(n, p) o Un experimento binomial consiste en la repeticin de n pruebas o independientes de Bernouilli con probabilidad constante p de xito: e X = X1 + X2 + + Xn no de xitos obtenidos e Por tanto SX = {0, 1, . . . , n}, p(X = k) = n k nk p q k
Tema 2
I Cuatrimestre
38 / 45
Distribucin de Poisson P() o La variable X representa el no de ocurrencias por unidad de tiempo donde es la tasa media de ocurrencia. SX = {0, 1, . . . }, p(X = k) = e k k!
Se comprueba que = 2 =
Tema 2
I Cuatrimestre
39 / 45
Convergencia de la distribucin binomial a la de Poisson o Cuando se considera un nmero elevado n de experimentos u independientes de Bernouilli con probabilidad de xito pequea, se tiene: e n B(n, p) P(np)
Tema 2
I Cuatrimestre
40 / 45
Tema 2
I Cuatrimestre
41 / 45
Tema 2
I Cuatrimestre
42 / 45
Se dene el cuantil de orden : x como el valor de la abscisa que deja a su derecha una probabilidad . Distribucin t de Student con g grados de libertad t(g ) o Para g > 2: = 0, 2 =
g g 2
Tema 2
I Cuatrimestre
43 / 45
Tema 2
I Cuatrimestre
44 / 45
Tema 2
I Cuatrimestre
45 / 45