La teora de la probabilidad

CONCEPTO .-es la parte de las matemticas que estudia

los fenmenos aleatorios estocsticos. Estos deben contraponerse a
los fenmenos determinsticos, los cuales son resultados nicos y/o
previsibles de experimentos realizados bajo las mismas condiciones
determinadas, por ejemplo, si se calienta agua a 100
grados Celsius a nivel del mar se obtendr vapor. Los fenmenos
aleatorios, por el contrario, son aquellos que se obtienen como
resultado de experimentos realizados, otra vez, bajo las mismas
condiciones determinadas pero como resultado posible poseen un
conjunto de alternativas, por ejemplo, el lanzamiento de un dado o de
una moneda. La teora de probabilidades se ocupa de asignar un
cierto nmero a cada posible resultado que pueda ocurrir en un
experimento aleatorio, con el fin de cuantificar dichos resultados y
saber si un suceso es ms probable que otro.
La probabilidad es la caracterstica de un evento, que hace que
existan razones para creer que ste se realizar.
La probabilidad p de que suceda un evento S de un total de n casos
posibles igualmente probables es igual a la razn entre el nmero de
ocurrencias h de dicho evento (casos favorables) y el nmero total de
casos posibles n.

La probabilidad es un nmero (valor) que varia entre 0 y 1. Cuando

el evento es imposible se dice que su probabilidad es 0, si el
evento es cierto y siempre tiene que ocurrir su probabilidad es 1.
La probabilidad de no ocurrencia de un evento est dada por q,
donde:

Sabemos que p es la probabilidad de que ocurra un evento

y q es la probabilidad de que no ocurra, entonces p + q = 1
Simblicamente el espacio de resultados, que normalmente se
denota por , es el espacio que consiste en todos los
resultados que son posibles. Los resultados, que se denota
por
, etctera, son elementos del espacio .
APLICACIONES

La teora de la probabilidad moderna incluye temas de las siguientes

reas:

-lgebras, teora de la medida, medida producto y funciones

medibles

Variables aleatorias y funciones de distribucin

Convergencia de funciones medibles y convergencia dbil.

Independencia probabilstica

Probabilidad condicionada

Martingalas y tiempos de parada

Leyes de los grandes nmeros

Funciones caractersticas

Teorema central del lmite y teorema del valor extremo

Procesos estocsticos

FUNCIONES
Funcin de distribucin de probabilidad
La distribucin de probabilidad se puede definir para cualquier
variable aleatoria X, ya sea de tipo continuo o discreto, mediante la
siguiente relacin:

Para una variable aleatoria discreta esta funcin no es continua sin

constante a tramos (siendo continua por la derecha pero no por la
izquierda). Para una variable aleatoria general la funcin de
distribucin puede descomponerse en una parte continua y una parte
discreta:

Donde
es una funcin absolutamente continua y
funcin constante a tramos.
Funcin de densidad de probabilidad
Artculo principal: Funcin de densidad

es una

La funcin de densidad, o densidad de probabilidad de una variable

aleatoria absolutamente continua, es una funcin a partir de la cual
se obtiene la probabilidad de cada valor que toma la variable definida
como:

Es decir, su integral en el caso de variables aleatorias continuas es

la distribucin de probabilidad. En el caso de variables aleatorias
discretas la distribucin de probabilidad se obtiene a travs del
sumatorio de la funcin de densidad. La nocin puede generalizarse a
varias variables aleatorias.

Muestra estadstica
En estadstica, una muestra es un subconjunto de casos o individuos de una
poblacin estadstica. Las muestras se obtienen con la intencin de inferir
propiedades de la totalidad de la poblacin, para lo cual deben ser
representativas de la misma. Para cumplir esta caracterstica la inclusin de
sujetos en la muestra debe seguir una tcnica de muestreo. En tales casos,
puede obtenerse una informacin similar a la de un estudio exhaustivo con
mayor rapidez y menor costo
El estudio de muestras es preferible a los censos (o estudio de toda la
poblacin) por las siguientes razones:
VENTAJAS EN LA ELECCION DE UNA MUESTRA
1. La poblacin es muy grande (en ocasiones, infinita, como ocurre en
determinados experimentos aleatorios) y, por tanto, imposible de analizar
en su totalidad.
2. Las caractersticas de la poblacin varan si el estudio se prolonga
demasiado tiempo.
3. Reduccin de costos: al estudiar una pequea parte de la poblacin, los
gastos de recogida y tratamiento de los datos sern menores que si los
obtenemos del total de la poblacin.
4. Rapidez: al reducir el tiempo de recogida y tratamiento de los datos, se
consigue mayor rapidez.
5. Viabilidad: la eleccin de una muestra permite la realizacin de estudios
que seran imposible hacerlo sobre el total de la poblacin.

6. La poblacin es suficientemente homognea respecto a la caracterstica

medida, con lo cual resultara intil malgastar recursos en un anlisis
exhaustivo (por ejemplo, muestras sanguneas).
7. El proceso de estudio es destructivo o es necesario consumir un artculo
para extraer la muestra (ejemplos: vida media de una bombilla, carga
soportada por una cuerda, precisin de un proyectil, etc.).
MUESTREO PROBABILSTICO
En este tipo de muestreo los arquelogos intentan que las generalizaciones
que realizan a partir de las muestras, sean correctas. Se basan en la
probabilidad. En arqueologa cuanto ms precisa y ms amplia sea la
muestra, ms probabilidades habr de que los resultados sean ptimos. Se
conocen cuatro tipos de estrategias de muestreo: muestreo aleatorio
simple, muestreo aleatorio estratificado, muestreo sistemtico y muestreo
sistemtico estratificado
MUESTREO ALEATORIO SIMPLE
Es considerado el mtodo ms sencillo. Mediante una tabla de nmeros al
azar se eligen las zonas que se quieren muestrear. Este tipo de muestreo
posee algunos inconvenientes. Por un lado, supone definir de antemano los
lmites de un yacimiento, y no siempre se conocen con certeza. Por otro
lado, el carcter aleatorio de las tablas numricas provoca que en algunas
reas se acumulen las muestras, mientras que en otras permanecen
intactas