Académique Documents
Professionnel Documents
Culture Documents
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.
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)
Dependencias Estoqueadas o Estocsticas - Dependencias Funcionales: libertad de error a = l2 - Dependencias Estoqueadas: presencia de error variables aleatorias
Clculo de Probabilidades
Probabilidad: bastante conocido por la cotidianidad. Ej.: Esta noche llover probablemente, Es muy probable que Juan est enfermo.
No existe seguridad
- 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
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.
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.
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.
- Pregunta sobre la ocurrencia de r eventos simultneamente. - Necesario identificar si se trata de eventos estoqueados dependientes o independientes uno del otro.
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.
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.
-Cuando se trata de la pregunta de que de r eventos, Cul es la probabilidad de que ocurra por lo menos uno de ellos?
-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
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:
-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
B: rea sombreada = E1 U E2 E1 E2
Continuacin
-La sustraccin de P (E1 E2) es necesaria porque la misma se repite dos veces.
Continuacin
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
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
Ejemplo 1:
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
-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