Mtodos de anlisis cualitativo y cuantitativo

Sesin 6: PROBABILIDADES: IDEAS INTRODUCTORIAS Y DISTRIBUCIONES DE PROBABILIDAD

ESTADSTICA INFERENCIAL: Se ocupa de deducciones acerca de una poblacin en base a una muestra tomada a partir de la poblacin

Dado que se estima y/o testea -con una probabilidad de error- empleando una muestra representativa, para tomar una decisin sobre la poblacin (realizar una generalizacin para tomar una decisin) la estadstica inferencial permite analizar cmo tomar esa decisin en situaciones de incertidumbre.

Debido a que existe incertidumbre al tomar decisiones empleamos la Teora de la probabilidad

PROBABILIDAD Y TOMA DE DECISIONES: En la toma de decisiones -personales y administrativas- nos enfrentamos a eventos que se van a realizar con incertidumbre, por ello debemos conocer sobre teora de la probabilidad y saber cmo usarla.

En general, los individuos (directores, gestores de empresas u organizaciones, investigadores) siempre estamos tomando decisiones, y dado que vivimos en un mundo incapaz de predecir con certeza el futuro la probabilidad constituye parte importante de nuestra vida cotidiana.

CONCEPTOS BSICOS. Probabilidad: Es la posibilidad de que pase algo. Es una medida numrica de la posibilidad relativa de que ocurra un evento

Valores cercanos a 0 indican que la probabilidad de que ocurra un evento son muy pocas. Los valores de probabilidad se expresen como fraccin o decimales y encuentran en una escala de 0 a 1. Valores cercanos a 1 indican que es casi seguro que ocurra un evento

Es una medida del grado de incertidumbre asociado con cada uno de los eventos previamente enunciados

TIPOS DE PROBABILIDAD: Existen 3 maneras bsicas de clasificar la probabilidad. Son 3 planteamientos conceptuales diferentes para el estudio de la teora de la probabilidad

Estas 3 maneras son: Probabilidad clsica. Probabilidad de frecuencia relativa, y Probabilidad subjetiva.

Los expertos an no se ponen de acuerdo sobre cul de dichos planteamientos es el ms apropiado

PROBABILIDAD CLASICA. Define la probabilidad de que un evento ocurra como:

Probabilidad que = N resultados en los que se presenta el evento suceda un evento Nmero Total de resultados posibles

Cada uno de los resultados posibles debe ser igualmente posible. Se le conoce como probabilidad a priori, dado que se puede saber la probabilidad sin necesidad de que el experimento se realice. Por ejemplo: P(cara)=1/2, o P(5)=1/6.

PROBABILIDAD CLASICA. Sin embargo el planteamiento clsico de probabilidad supone un mundo de situaciones previsibles (ideal), donde no existen situaciones improbables: Como que al tirar la moneda sta caiga parada, por el contrario slo se espera que caiga cara o sello.

La probabilidad clsica supone tambin una especie de orden y simetra en el mundo. Por ello, las situaciones improbables, desordenadas que suceden en la vida real, hacen necesario otros tipos de probabilidades.

PROBABILIDAD FRECUENCIA RELATIVA DE OCURRENCIA . Hay probabilidades que no las podemos definir a priori, sin que se realice algo de experimentacin, sino que necesitamos conocer sobre la frecuencia de ocurrencia de dichas probabilidades.

Como por ejemplo: Cul es la probabilidad de que yo me gane la tinka el domingo?, o Cul es la probabilidad de que un gran terremoto produzca un peligro nuclear como el de Japn?, o Cul es la probabilidad de que una empresa minera contamine el ro que abastece de agua al pueblo?.

PROBABILIDAD FRECUENCIA RELATIVA DE OCURRENCIA. Este tipo de probabilidad se llama Frecuencia relativa de presentacin de un evento y se define como

La frecuencia relativa observada de un evento durante un gran nmero de intentos, o, La fraccin de veces que un evento se presenta a la larga, cuando las condiciones son estables.

Se determina qu tan frecuentemente ha sucedido algo en el pasado y se emplea esta cifra para predecir la probabilidad de ocurrencia de ese evento en el futuro. Ello porque la frecuencia relativa se vuelve estable a medida que se eleva el numero de experimentos realizados (en las mismas condiciones).

PROBABILIDAD FRECUENCIA RELATIVA DE OCURRENCIA

Ejemplo

Antes de incluir la cobertura para ciertos tipos de problemas dentales en plizas de seguros mdicos para adultos con empleo, una compaa de seguros desea determinar la probabilidad de ocurrencia de este tipo de problemas, para fijar la prima de seguros de acuerdo con esas cifras.
Por ello, un especialista recopila datos para 10,000 adultos que se encuentran en las categoras de edad apropiadas y encuentra que 100 han experimentado el problema dental especfico durante el ao anterior. Por lo tanto, la probabilidad de ocurrencia es:

PROBABILIDAD FRECUENCIA RELATIVA DE OCURRENCIA

n 100 PA x100% 1% N 10000

Ejemplo Se sabe que una moneda est cargada. Para determinar la probabilidad de que caiga cara se lanza 60 veces la moneda al aire, de las cuales 25 veces cay cara. Si aplicamos la frmula:

n 25 PA x100% 41% N 60

PROBABILIDAD SUBJETIVA: Es la Probabilidad basada en las creencias de las personas que efectan la estimacin de probabilidad.

Es la probabilidad asignada a un evento por parte de un individuo, basada en la evidencia que tenga disponible (que puede ser basada en la frecuencia relativa de ocurrencia de eventos pasados o simplemente de una creencia meditada). Las asignaciones de probabilidad subjetiva se dan con ms frecuencia cuando los eventos se presentan slo una vez o un nmero muy reducido de veces.
Al asignar probabilidades subjetivas es normal que 2 personas obtengan probabilidades distintas para un evento.

OTROS CONCEPTOS DE PROBABILIDAD

Probabilidad previa: Es la estimacin inicial de la probabilidad de un evento.

Probabilidad revisada o posterior: Es la probabilidad revisada de un evento basada en informaciones adicionales (como una muestra o una prueba del producto).

REGLAS DE PROBABILIDAD
Regla de Adicin: Si eventos son mutuamente excluyentes: P(A o B) = P(A) + P(B). Si eventos no son mutuamente excluyentes: P(A o B) = P(A) + P(B) P(AB).

Probabilidad conjunta de 2 eventos independientes: P(AB) = P(A) x P(B) Probabilidad condicional de 2 eventos dependientes: P(A/B) = P(AB)/P(B) P(B/A) = P(AB)/P(A)

OTROS TIPOS DE PROBABILIDAD. Existen 3 tipos de probabilidades que se presentan bajo condiciones de dependencia estadstica:
Probabilidad Conjunta P(AB): Es la probabilidad de que dos eventos ocurran al mismo tiempo.
Probabilidad Condicional P(A/B): Es la probabilidad de un evento dado que otro evento ya ocurri. Probabilidad Marginal P(A): Es la probabilidad incondicional de que se presente un evento, es la probabilidad de que se presente un solo evento.

TEOREMA DE BAYES. Existen 3 tipos de probabilidades que se presentan bajo condiciones de dependencia estadstica:
Es un mtodo empleado para calcular probabilidades posteriores. Permite evaluar nueva informacin y revisar anteriores estimaciones (basadas en informacin limitada) de la probabilidad de que las cosas se encuentren en un estado o en otro.

P(A1) P(B /A1) P(A1 / B) = -----------------------------------------P(A1) P(B /A1) + P(A2) P(B /A2)

VARIABLES: Es la caracterstica cuantificable o cualificable de la muestra o poblacin que se est observando o analizando, puede tomar diferentes valores.
Variable Fija.- Porque su valor o realizacin es conocido.

Variable Aleatoria.- Es un resumen numrico de un resultado aleatorio (de un experimento). Una variable es aleatoria porque su valor o realizacin es incierto (no es conocido) hasta que el experimento se lleve a cabo
Las variables econmicas son V.A.

VARIABLE ALEATORIA DISCRETA. Cuando el conjunto de realizaciones es finito o infinito pero numerable

Ejemplos:

Experimento
- Inspeccionar un envo de 50 productos

V.A. (x)
- Nmero de productos que tienen algn defecto.

valores posibles para x

0, 1, 2, , 50

- Vender un automvil

- Sexo del cliente

0 si hombre, 1 si mujer.

VARIABLE ALEATORIA CONTINUA. Cuando el conjunto de realizaciones es infinitamente indivisible y por lo tanto no es numerable. La variable puede asumir cualquier valor dentro de un determinado intervalo o coleccin de intervalos.
Ejemplos: Experimento
- Llenar una lata de refresco (mx 12.5 onzas) - Medir la contaminacin de un ro a causa de una mina.

V.A. (x)
- Cantidad de onzas

valores posibles para x

0 x 12.5

- Nivel tolerable de contaminacin del agua.

10 x 30.

PROBABILIDAD Y TOMA DE DECISIONES

Decamos que los individuos, desde el puesto donde estn, pero especialmente los directores y gestores de organizaciones, instituciones y empresas siempre estn tomando decisiones; algunas sin relevancia y otras tan relevantes que pueden cambiar el futuro de sus instituciones. Debido a ello es que se disean modelos tendientes a facilitar una buena toma de decisiones segn el contexto al cual se aproxime mejor su nivel de informacin con relacin a los resultados que podran generarse luego de su toma de decisin. Entre estos contextos se encuentran: De certidumbre, de Incertidumbre y de Riesgo.

PROBABILIDAD Y TOMA DE DECISIONES

Contexto de Certidumbre: Cuando se da por conocido el nico resultado posible de darse; es decir; se asume una probabilidad de ocurrencia igual a la unidad. Contexto de Incertidumbre: Cuando se desconoce en gran medida lo que podra ocurrir luego de tomar una decisin. Se presenta porque: o No se conoce todos los resultados posibles (espacio muestral) o Se conoce el espacio muestral, pero no se tiene informacin acerca de la probabilidad de ocurrencia de c/u de los eventos.

PROBABILIDAD Y TOMA DE DECISIONES

Contexto de Riesgo: Se asume que se conoce el espacio muestral y la probabilidad asociada a c/u de estos resultados posibles. En trminos estadsticos: Se est en un contexto de riesgo (lo hemos construido), cuando se disea las funciones de distribucin de probabilidad de las variables sobre las cuales tenemos un gran nivel de incertidumbre. Luego de ello se pueden hacer las estimaciones necesarias para facilitar la toma de decisiones.