Curso Propedutico de Estadstica Programa 26/09/2007 Conceptos bsicos de estadstica Qu es estadstica?

Estadstica Descriptiva Estadstica Analtica Poblacin y Muestra Variable aleatoria Dependencias Estocsticas

Qu es estadstica?

-Tantas definiciones como libros de estadstica en el mercado -Causa: complejidad de la estadstica - Lienert (1973): Qu puede realmente aportar la estadstica moderna a la metodologa cientfica?

Estadstica Descriptiva - Por primera vez se utiliza el nombre en el siglo 18. - Trata de describir mediante datos observados, los cuales han sido tomados mediante medida o conteo, situaciones o tendencias de desarrollo en poblaciones determinadas. - Presentacin de los datos con indicadores estadsticos sencillos. - Fundamental: los datos slo son vlidos para el material investigado.

Estadstica Analtica - Rama joven de la matemtica aplicada - Sus mtodos se basan en axiomas del clculo de probabilidades - Va ms all de los datos analizados: trata a partir de ellos de deducir reglas. - Interesa ms la poblacin que la muestra - Fundamental: la determinacin y el control de la probabilidad de error en la induccin.

Relaciones de las formas de conclusiones estadsticas

Relacin causal en la poblacin Base de partida para Utilizacin del clculo de probabilidades Para predecir los Datos observados de la muestra

A partir de esto, conclusiones sobre la Anlisis de datos

induccin

deduccin

Base para el

Poblacin y Muestra

-Poblaciones existentes: tpico es que son bsicamente finitas -Poblaciones hipotticas: las posibles realizaciones de un evento repetido, tpico es que prcticamente son infinitas - Muestra: 1 a N-1 Muestra aleatoria (p = 1/N)

Variable Aleatoria - Multicausalidad de la expresin deeventos en la biologa - Difcil predecir un dato especfico con exactitud, queda un residuo desconocido, del cual no puede estimarse ni su tamao, ni su direccin (positivo o negativo)

Yijk = + Ai + Bj + (AB)ij + ijk

Dependencias Estoqueadas o Estocsticas - Dependencias Funcionales: libertad de error a = l2 - Dependencias Estoqueadas: presencia de error variables aleatorias

Programa Estadstica Propedutica

2. Clculo de Probabilidades 2.1 Definiciones de probabilidad 2.1.1 Probabilidad a priori 2.1.2 Probabilidad a posteriori 2.2 Teorema del clculo de probabilidades 2.2.1 Multiplicacin en el clculo de probabilidades

Clculo de Probabilidades
Probabilidad: bastante conocido por la cotidianidad. Ej.: Esta noche llover probablemente, Es muy probable que Juan est enfermo.

No existe seguridad

En estadstica: Situaciones que se ocupan de relaciones estoqueadas

Necesidad de calcular, expresar en nmero la probabilidad

Origen del Clculo de Probabilidades

- Francia, siglo XXVII - Del mundo de los juegos de azar, no de las Ciencias Naturales - Deseo de poder calcular la probabilidad de ganar - Hoy ha encontrado uso en las Ciencias Naturales

Definicin de Probabilidad Probabilidad a priori

- Probabilidad deducible de razonamientos puramente lgicos. - No hay necesidad de realizar largas filas de experimentos - Atribuida a Laplace (1749-1827):

g P= m
Con P = probabilidad (probability) para el evento objeto de estudio. m = nmero de todos los eventos diferentes, los cuales son posibles en el proceso aleatorio en cuestin. g = nmero de los eventos favorables, los cuales cumplen con el suceso en cuestin.

Definicin de Probabilidad Probabilidad a priori: ejemplos

La probabilidad de obtener un nmero par al lanzar un dado es de 3/6 porque de las seis posibilidades de un dado (1, 2, 3, 4, 5 y 6) tres eventos (2, 4 y 6) llenan el requisito de nmero par.

P=

g 3 1 = = . m 6 2

De la misma manera, en el lanzamiento de una moneda, la probabilidad del evento cara es de y en la ruleta, del evento rouge 18/37.

Definicin de Probabilidad Probabilidad a posteriori

En la biologa se tiene a menudo probabilidades que slo pueden estimarse mediante experimentos a travs de sus correspondientes anlisis muestrales. - Incidencia de una enfermedad o defecto hereditario en una poblacin. Se utiliza la siguiente frmula para su clculo:

k P( E ) = . n
Con P(E) = probabilidad estimada para que se realice el evento E, n = Nmero de todas las realizaciones observadas en el experimento del proceso aleatorio correspondiente (tamao de la muestra) k = Nmero de todas las realizaciones en el experimento que llenan el requisito del evento en cuestin.

Definicin de Probabilidad Probabilidad a posteriori: Ejemplo

En 50 de un total de 1000 vacas elegidas aleatoriamente de una poblacin se diagnostic Tbc. La probabilidad estimada para la incidencia de Tbc en la poblacin cuestionada se eleva a: P(Tbc) = 50/1000 = 0.05. Estos valores estn afectados por un error de estimacin ms o menos grande. 0<P<1 P = 0: evento imposible. P = 1: evento seguro

Teorema del clculo de Probabilidades Simbologa utilizada en el clculo de probabilidades:

n = Nmero de todas las repeticiones observadas en un proceso aleatorio. k = Nmero de aquellas repeticiones de un proceso aleatorio en las cuales el acontecimiento en cuestin ocurre. m = Nmero de todos los eventos diferentes, los cuales son posibles en un proceso aleatorio. r = Nmero de todos los diferentes eventos, los cuales son considerados en un cuestionamiento. P = Probabilidad. Ei = Evento i, con i = 1, 2, r. Ej = Evento j, con j = 1, 2, r y j # i. i = Evento complementario de Ei (no evento I). P(Ei) = Probabilidad de ocurrencia de Ei. P(i) = Probabilidad de ocurrencia de Ej , = 1 P(Ej).

Teorema del clculo de Probabilidades Continuacin

Simbologa utilizada en el clculo de probabilidades:

P(Ei i) = Probabilidad de ocurrencia de Ei y i simultneamente. P(Ei | i) = Probabilidad de ocurrencia de Ei bajo la condicin de que Ej ya haya ocurrido (probabilidad condicionada de Ei).

La Multiplicacin en el clculo de Probabilidades

- Pregunta sobre la ocurrencia de r eventos simultneamente. - Necesario identificar si se trata de eventos estoqueados dependientes o independientes uno del otro.

La Multiplicacin en el clculo de Probabilidades

Eventos estoqueados dependientes: -La probabilidad de un evento cambia con la ocurrencia o no de otro evento. - Se trata de una probabilidad condicionada, para la cual es vlido P(E1 | E2) # P(E2 | E1) Ejemplo: el evento 6 y nmero par en un lanzamiento de dados son estocsticamente dependientes. Si se ha presentado un nmero par, la probabilidad del 6 no es 1/6, sino 1/3. Para un nmero impar, P = 0.

Matemticamente: P(E1 E2) = P(E1)P(E2 | E1) = P(E2) P(E1 | E2)

La Multiplicacin en el clculo de Probabilidades

Eventos estoqueados dependientes:

Ejemplo: la probabilidad de que ocurra el evento 6 y nmero par (NP) en un lanzamiento de dados es: P(NP 6) = P(NP)P(6 | NP) = (1/2) (1/3) = 1/6 = P(6)P(NP | 6) = (1/6) 1 = 1/6 Y en general para r eventos: P(E1 E2 Er) = P(E1)P(E2 | E1) P(Er | E1 E2 Er-1).

No importa para cual evento se estime la probabilidad. Lo decisivo es que el orden de jerarqua de dependencia elegido sea lgico.

La Multiplicacin en el clculo de Probabilidades

Eventos estoqueados independientes: -Su ocurrencia es independiente de la ocurrencia o no de otro evento. P(E1 | E2) = P(E1 | 2) = P(E1).

- De esta manera se simplifica la relacin anterior: P(E1 E2 Er) = P(E1)P(E2) P(Er).

La Multiplicacin en el clculo de Probabilidades

Eventos estoqueados independientes:

Ejemplo: a) la probabilidad de que ocurran simultneamente el evento 6 en el lanzamiento de un dado y cara (C) en el lanzamiento de una moneda es: P(6 C) = P(6)P(C) = (1/6) (1/2) = 1/12. b) Obtener tres veces el nmero 6 al lanzar un dado tres veces: P(6 6 6) = P(6)P(6) P(6) = (1/6) (1/6) (1/6) = 1/216.

La Adicin en el Clculo de Probabilidades

-Cuando se trata de la pregunta de que de r eventos, Cul es la probabilidad de que ocurra por lo menos uno de ellos?

-Se debe distinguir entre eventos mutuamente excluyentes y no excluyentes.

La Adicin: Eventos Mutuamente Excluyentes

-Cuando los eventos no pueden suceder simultneamente. Ejemplo: Los nmeros individuales de un dado en un lanzamiento.

-En este caso es vlido: P (E1U E2 U UEr) = P(E1) + P(E2) + + P(Er)

Eventos mutuamente excluyentes: La Adicin

-La probabilidad de que r eventos mutuamente excluyentes uno suceda es la suma de las probabilidades individuales de los r eventos. Ejemplo 1: La probabilidad de obtener un 1 o un 6 en el lanzamiento de un dado: P (1 U 6) = P(1) + P(6) = 1/6 +1/6 = 1/3

Continuacin

Eventos mutuamente excluyentes: La Adicin

Ejemplo 2: de

La probabilidad de obtener rey o una A de un juego cartas con 52 cartas y escogencia al azar: P(R U A) = 4/52 + 4/52 = 2/13

Ejemplo 3:

O de obtener cara o escudo al lanzar una moneda: P(C U E) = 1/2 + 1/2 = 1

La Adicin: Eventos Mutuamente NO Excluyentes

-La formulacin matemtica depende del nmero de eventos cuestionados. -Las relaciones ms relevantes se pueden expresar en diagramas de Ven (presentacin de probabilidad mediante reas circulares).

Continuacin

La Adicin: Eventos Mutuamente NO Excluyentes

1) Dos eventos: A: E1 E2 rea sombreada = E1 y E2

B: rea sombreada = E1 U E2 E1 E2

Continuacin

La Adicin: Eventos Mutuamente NO Excluyentes

-De la presentacin de A y B se deduce: P (E1 U E2) = P (E1) + P(E2) P (E1 E2)

-La sustraccin de P (E1 E2) es necesaria porque la misma se repite dos veces.

Continuacin

La Adicin: Eventos Mutuamente NO Excluyentes

Ejemplo 1: En el lanzamiento simultneo de un dado y una moneda, por ejemplo, se eleva la probabilidad de que por lo menos uno de los eventos 6 o cara ocurra:

P (6 U C) = P (6) + P(C) P (6) x P (C) Sustituyendo: 1/6 + 1/2 (1/6) x (1/2) = 7/12

Continuacin

La Adicin: Eventos Mutuamente NO Excluyentes

1) Tres eventos: E1 E2 rea sombreada = E1 E2 E3 E1 E2

E1 E3

E3

E2 E3

-Aqu se tiene en analoga a dos eventos: P (E1 U E2 U E3) = P (E1) + P(E2) + P(E3) P (E1 E2) P (E1 E3) P (E2 E3) + P (E1 E2 E2)

Continuacin

La Adicin: Eventos Mutuamente NO Excluyentes

Ejemplo 1:

La probabilidad de obtener en el lanzamiento simultneo de tres dados mnimo un 6:

P (E1 U E2 U E3) = P (E1) + P(E2) + P(E3) P (E1 E2) P (E1 E3) P (E2 E3) + P (E1 E2 E3) Sustituyendo: P (6 U 6 U 6) = 1/6 + 1/6 + 1/6 1/36 1/36 1/36 + 1/216 = 91/216

Continuacin

La Adicin: Eventos Mutuamente NO Excluyentes

-En todas las formulaciones de preguntas sobre probabilidades que un evento suceda K-veces, se puede calcular ms fcilmente mediante la llamada complementaria probabilidad, la cual es el complemento para llegar a 1. En el ejemplo anterior: P (6 U 6 U 6) = (5/6) x (5/6) x (5/6) = 125/216 -Restando este resultado al anterior, se obtiene el mismo resultado: P (6 U 6 U 6) = 1 P (6 U 6 U 6) = 1- 125/216 = 91/216