Académique Documents
Professionnel Documents
Culture Documents
Gestión Universitaria
Prof. Dr. Martín Masci
Ayudante: Leonardo Dufour
AGENDA:
• Definiciones iniciales
• Probabilidad
• Variables aleatorias discretas y continuas
• Muestreo y distribuciones muestrales
• Teorema Central del Límite
Licenciatura en Gestión Universitaria
Prof. Dr. Martín E. Masci – Leonardo Dufour
1
Definiciones iniciales
“La probabilidad no existe” Alberto Landro
Espacio Muestral Es el conjunto de todos los resultados posibles que puede presentar el
experimento
Suceso Aleatorio o Evento Cualquier subconjunto del espacio muestral, correspondiente a un experimento
Postulados
Tome como referencia un dado de seis caras. Sea A el evento “el número obtenido es par” y B “ el
número obtenido es al menos 4”
𝑨 ∩ 𝑩 = (𝟒, 𝟔)
𝑨 ∪ 𝑩 = (𝟐, 𝟒, 𝟓, 𝟔)
Probabilidad Marginal:
Es la probabilidad de que se presente un suceso aleatorio A, sin
importar de que esté acompañado de otro
Sean 𝐵1 , 𝐵2 , … , 𝐵𝑘 eventos excluyentes y exhaustivos de B, entonces
𝑃 𝐴 = 𝑃 𝐴 ∩ 𝐵1 + 𝑃 𝐴 ∩ 𝐵2 +…+𝑃 𝐴 ∩ 𝐵𝑘 = σ𝑘𝑖=1 𝑃( 𝐵𝑖 ) ∗ 𝑃(𝐴/𝐵𝑖 )
Probabilidad Conjunta:
PROBABILIDAD
Es la probabilidad de que se presente en el mismo experimento dos
sucesos A y B al mismo tiempo
Probabilidad Condicional:
Es la probabilidad de que se presente el suceso A, dado que se haya
presentado el B anteriormente:
𝑃 𝐴∩𝐵 𝑃 𝐴∩𝐵
𝑃 𝐴/𝐵 = y 𝑃 𝐵/𝐴 =
𝑃 𝐵 𝑃 𝐴
De los autos en un estacionamiento, el 70% tiene aire y 40% CD. 20% tiene ambos. Cuál es la
probabilidad que un auto tenga CD, dado que tiene aire?
CD No CF Total
Aire 0,2 0,5 0,7
No aire 0,2 0,1 0,3
Total 0,4 0,6 1
𝑃 𝐶𝐷 ∩ 𝐴𝑖𝑟𝑒 0,2
𝑃 𝐶𝐷/𝐴𝑖𝑟𝑒 = = = 0,2857
𝑃 𝐴𝑖𝑟𝑒 0,7
EJEMPLO (CONTINUACIÓN)
PROBABILIDAD
Una compañía estima un 40% de chance de encontrar petróleo en un nuevo pozo. Un testeo completo
fue programado para dar más información. Históricamente, 60% de los pozos exitosos tuvieron testeos
completos, y 20% de los no exitosos tuvieron testeos completos.
Dado que se ha programado un testeo, cuál es la probabilidad de que resulte exitoso?
𝑃 𝐷/𝑆 ∗𝑃 𝑆 0,6∗0,4
El objetivo es encontrar 𝑃 𝑆/𝐷 = = = 0,667
𝑃 𝐷/𝑆 ∗𝑃 𝑆 +𝑃 𝐷/𝑈 ∗𝑃 𝑈 0,6∗0,4+0,2∗0,6
Condiciones:
1) Condición no negatividad: 𝑃 𝑥𝑖 ≥ 0
2) Condición de cierre: σ∞
𝑖=1 𝑃 𝑥𝑖 = 1
Momentos
Valor Esperado: 𝜇 = 𝐸 𝑥 = σ𝑥 𝑥 ∗ 𝑃(𝑥)
Varianza: 𝜎 2 = 𝐸(𝑋 − 𝜇)2 = σ𝑥(𝑥 − 𝜇)2 ∗ 𝑃(𝑥)
X Probabilidad
0 1-P
1 P
𝑛
La función de probabilidades tomará la forma: 𝑃 𝑥 = ∗ 𝑝 𝑥 ∗ (1 − 𝑝)𝑛−𝑥
𝑥
Media 𝐸 𝑥 =𝑛∗𝑝
Varianza 𝑉 𝑥 = 𝑛 ∗ 𝑝 ∗ (1 − 𝑝)
Una variable aleatoria continua X, definida en un intervalo (a,b), tiene una distribución uniforme si su
1
función de densidad es 𝑓 𝑥 = si 𝑎 ≤ 𝑥 ≤ 𝑏 y 𝑓 𝑥 = 0 para otro valor de x.
𝑏−𝑎
Los valores a y b son los parámetros de la función.
𝑥−𝑎
La función de Distribución, toma la forma F 𝑥 =
𝑏−𝑎
Momentos:
𝑎+𝑏
Media 𝐸 𝑥 =
2
(𝑏−𝑎)2
Varianza 𝑉 𝑥 =
12
El gráfico se define por sus parámetros. La ubicación de la función está definida por la media 𝜇,
mientras que la amplitud está definida por el desvío estándar 𝜎. La función tiene un rango infinito
−∞; ∞ . Se denota, entonces, la variable 𝑁(𝜇; 𝜎).
1 𝑥−𝜇 2
− ∗
𝑒 2 𝜎
La función de densidad toma la siguiente forma: 𝑓 𝑥 =
2𝜋𝜎
Como la función es simétrica, se verifica que 𝑃 𝑥 < 𝜇 = 𝑃 𝑥 > 𝜇 = 0,50
Licenciatura en Gestión Universitaria
Prof. Dr. Martín E. Masci – Leonardo Dufour
19
Variables aleatorias discretas y continuas (9)
VARIABLES ALEATORIAS CONTINUAS - NORMAL
El valor de la función de distribución de una variable aleatoria normal para el valor x, es igual al valor de
la función de distribución de la variable normal estandarizada 𝑧 = (𝑥 − 𝜇)/𝜎, es decir:
𝐹𝑛𝑜𝑟𝑚𝑎𝑙 𝑥 = 𝐹𝑛.𝑒. 𝑥
Uso
Para el cálculo de la probabilidad de una variable aleatoria normal, se estandariza la variable dado que
las probabilidades de una función normal estándar están tabulados F(z).
Principios:
2) Toda combinación lineal de VA normales independientes, tiene por resultado una VA con
distribución normal con las siguientes características:
Objetivo
Obtener resultados estadísticos representativos bajo menores esfuerzos (Inferencia)
Inferencias estadísticas
Consiste en obtener conclusiones sobre una población a partir de los resultados de una muestra
Distribución muestral
Es la distribución de todos los posibles valores de un estadístico para una muestra de un tamaño
seleccionado sobre la población.
𝒏
Sea la Media Muestral ഥ = σ𝒊=𝟏 𝑿𝒊
𝑿
𝒏
σ𝑛
𝑖=1 𝑋𝑖 𝜇
Entonces el valor esperado de la Media Muestral es 𝐸 𝑋ത = 𝐸 =𝑛∗ =𝜇
𝑛 𝑛
𝜎
Y el desvío de la Media Muestral será 𝜎𝑋ത =
𝑛
𝜎
Donde la población es 𝑁 𝜇, 𝜎 y la media muestral ~𝑁(𝜇, )
𝑛
Si 1) el muestreo es sin reemplazo ó 2) la muestra es grande con respecto a la población (5% o más)
𝜎
Entonces 𝜎𝑋ത = ∗ (𝑁 − 𝑛)/(𝑁 − 1)
𝑛
Si la población no es Normal
Aplican los resultados del Teorema Central del Límite
Varianza Muestral
𝟏
Sea la Varianza Muestral 𝒔𝟐 = ∗ σ𝒏𝒊=𝟏 𝑿𝒊 − 𝑿
ഥ 𝟐
𝒏−𝟏
Sea W= 𝑍12 + ⋯ + 𝑍𝑘2 , con Z: VA Normal estándar, entonces W~𝑋 2 con k grados de libertad
𝑍
Sea T = , con Z: VA Normal estándar, entonces W~𝑋 2 con k grados de libertad
𝑊
𝑘
Es una distribución simétrica con dominio infinito, similar a la normal, pero con colas más pesadas
F Snedecor
Es una distribución de probabilidad continua.