Escolar Documentos
Profissional Documentos
Cultura Documentos
U.T.N.-F.R.R.-Ao 2005
INFERENCIA ESTADISTICA
CONCEPTOS PRELIMINARES
Unidad 7 - TEORIA ELEMENTAL DE LA PROBABILIDAD
Profesor Titular: E Mario J. Garber
1 - ANTECEDENTES HISTORICOS:
La Teora de la Probabilidad fue inicialmente creada y desarrollada por el matemtico
francs Blas Pascal, quien en 1654, a raz de consultas que le haba planteado un integrante de la
nobleza, en un intercambio epistolar con Fermat, se dedic a resolver los problemas de
probabilidades relacionadas con los juegos de azar, muy de moda en las sociedades europeas de
aquellos tiempos.
As surgi la primera definicin de probabilidad, que hoy llamamos Definicin clsica.
Con posterioridad, otros matemticos de los siglos XVII y XVIII se ocuparon de ampliar los
lmites del conocimiento en el tema Teora de la Probabilidad. Entre los investigadores ms
reconocidos se encuentran el propio Fermat, Bernoulli, Gauss, Laplace y Poisson.
Con la Revolucin Francesa la Teora de la Probabilidad sufri un deterioro importante,
debido fundamentalmente a que, habiendo surgido a partir de intereses no demasiado bien vistos
de la nobleza, fue considerado un producto casi despreciable por parte los cientficos e
investigadores matemticos de la poca. Eso fue as hasta mediados del siglo XIX, cuando su
estudio y anlisis vuelven a recibir un fuerte impulso, de modo que a comienzos del siglo XX ya
se la considera una herramienta trascendente para ser aplicada en varias ramas del campo
cientfico.
Hoy en da no existe investigacin alguna, en cualquier terreno, que no la considere y la
aplique, y se ha incorporado con naturalidad a los procesos analticos de la fsica, la qumica, la
medicina y, por supuesto, la economa.
2 - DEFINICIONES DE PROBABILIDAD:
2.1. - DEFINICIN CLSICA: Suponga la existencia de un experimento
aleatorio E que puede dar lugar a la aparicin de un suceso A, que puede presentarse de h
formas diferentes, todas que le favorecen, en un total de n formas posibles de ocurrencia
del experimento, se define a la probabilidad del suceso A como la relacin entre el nmero
de casos favorables h y el nmero de casos posibles n. Es decir que
P( A)
h
n
Ejemplos: 1) Si se sabe que una moneda tiene dos lados, a los que llamaremos
convencionalmente cara (C) y cruz (X), en el experimento aleatorio arrojar la moneda al
aire, cul es la probabilidad de obtener una cara? : si el nmero de los casos favorables al lado
caro es igual a uno y el total de lados posibles de aparecer son iguales a dos, la.
2) Un dado tiene seis caras, luego la probabilidad de obtener un as en una
tirada es
P ( A)
1
6
Para indicar el resultado de una probabilidad en esta etapa del estudio, utilizaremos las
formas fraccionarias respetando, de esa manera, el fundamento bsico de la definicin de Pascal,
aunque no existe ningn inconveniente para convertir la forma fraccionaria en una forma
decimal.
-------------------------------Probabilidades y Estadstica Ao 2005
62
nh
h
1 .
n
n
h
h
1 1 , con lo cual se concluye que:
n
n
mismo
63
Por lo indicado en el anterior punto d), esta frmula es particularmente aplicable al caso
de sucesos compatibles, ya que si A y B fueran excluyentes, visto que la P(AyB) = 0, la regla de
la adicin queda reducida a
P A o B P A P B
Ejemplos:
64
1 1
1.
2 2
P( A1 y B2 ) P( A1) P( B2 )
P( A1 y B2 ) P( A1) P B2
A1
Ejemplos:
-------------------------------Probabilidades y Estadstica Ao 2005
65
11 1
22 4
6 7
42
15 15 225
6 6
36
15 15 225
10 5
50
15 15
225
P( B1 y N 2 ) P( B1 )P
10 5
50
15 14
210
P( A y B) P( A1 y B2 o B1 y A2 ) P( A1) P( B2 ) P( B1) P( A2 )
P( A y B) P( A1 y B2 A o B1 y A2 B ) P( A1) P B2 A P( B1) P A2 B
1
1
1
1
66
con lo cual se comprueba que los smbolos lgico matemticos o e y que aparecen en la frmula
se reemplazan sencillamente por las operaciones aritmticas suma y producto, respectivamente.
Ejemplos:
1) Se arroja dos veces una moneda. Hallar la probabilidad de obtener los
sucesos cara y cruz.
P(C y X ) P(C1 yX 2 o X 1 yC2 ) P(C1) P( X 2 ) P( X 1) P(C2 )
11 11 1
22 22 2
6 7
7 6
6 7
84
15 15 15 15
15 15 225
b) los dos paguen en efectivo. En este caso slo existe una forma
de presentacin dada por E1 y E2:
P(E y E ) P(E1 yE2 ) P(E ) P(E )
6 6
36
15 15 225
B1
oN1 y
N2
) P( B1 )P
B2
P( N )P
1
B
N
1
10 5
5 10 100
15 14 15 14 210
67
E P E P A E P E ... P A E P E P A E P E
PA
P C P R
i
Ci
ISI
P ISI P
P IQ P R
IQ
IEM
P IEM
A P B P A B
P AyB P A P B
P AyEi P A P
Ei
P Ei P A E
A
i
P A P Ei
Ei
E
P i
A
P A
Ahora, reemplazando el denominador de esta ltima expresin, de acuerdo con lo
obtenido en el punto anterior referido a la Probabilidad Total, se obtiene:
P A P Ei
Ei
E
P i
A
P A P Ei
Ei
P ISI
)( 0,58 ) 0,2204
R ISI P ISI ( 0,380,3698
0 ,596
0
,
3698
R
P C P C
PR
68
69
3
2
2/3=0,66
n
f
f/n
Tambin se puede representar los resultados obtenidos mediante un grfico de
coordenadas, en el cual en el eje de las abscisas se indica el nmero de extracciones, y en el eje
de las ordenadas, el valor de la relacin frecuencial:
8
0,40
20
70
pi 1 .
i 1
71
pi 1 .
i 1
x2
f ( x) dx A
x1
f (x) dx 1
72
x
)
p
Clculo de la
i
u
u
P
(
x
x
)
1
i
2
Probabilidad
f ( x) dx A
P( xi xu ) 0
x1
Condicin
de cierre
pi 1
f (x) dx 1
Denominacin
genrica
Funcin de
probabilidad
Funcin de
Densidad
i 1
F ( xu ) P( xi xu ) pi p1 p2 ... pu
i 1
xu
f ( x) dx
Para una mejor comprensin del tema, se incluyen a continuacin las representaciones
grficas de los casos discreto y continuo, con comentarios anexos para cada caso. Para mayor
claridad, ambas representaciones se construirn relacionando entre s a las funciones de
probabilidad y de densidad, respectivamente, con las funciones de distribucin correspondientes.
De esa manera se podr verificar que, en trminos generales, los grficos de las distribuciones
acumuladas nos muestran funciones montonas no decrecientes, continuas a la derecha y
discontinuas a la izquierda.
CASO DISCRETO
CASO CONTINUO
73
Punto
Probabilidad Acumulada
P( xi x1) p1
xi=x1
xi=x2
P( xi x2 ) p1 p2
xi=x3
P( xi x3 ) p1 p2 p3
xi=x4
Punto
Probabilidad Acumulada
P( xi x1) A1
xi=x1
P
(x x ) A A
xi=x2
i
2
1
2
xi=x3
P(xi x4 ) p1 p2 p3 p4 1
P( x x ) A A A
i
P( x x ) A A A A
i
4
1
2
3
4
xi=x4
La funcin de distribucin acumulada en el
caso continuo, est representada por la lnea
continua gris. En un punto particular
seleccionado x1, la probabilidad acumulada entre
y x1 est dada por el rea A1, cuyo valor se
representa como una ordenada en el grfico de
la funcin acumulada. Para los siguientes
puntos xi se van marcando, en forma similar, las
ordenadas que les corresponden para, finalmente,
uniendo sus puntos extremos superiores,
conseguir el trazo de la funcin de distribucin,
que se hace asinttica al valor uno.
Ejemplos:
1) a) Construir la distribucin de probabilidad de la variable aleatoria resultado
que se obtiene al arrojar un dado.
b) Obtener la funcin de distribucin acumulada.
c) Graficar la distribucin de probabilidad.
Resultado
xi
1
Probabilidad
pi
1/6
Funcin de
distribucin
Fi
1/6
74
2
3
4
5
6
1/6
1/6
1/6
1/6
1/6
pi=1
GRAFICO
2/6
3/6
4/6
5/6
6/6=1
3
2/36
4
3/36
5
4/36
6
5/36
10
11
12
pi=1
GRAFICO
75
i 1
CASO CONTINUO
si secumple pE ( x) 1
x f ( x) dx
i
si secumple
V ( x)
x E ( x)
f ( x)dx 1
76
21
3,5
6
V ( x)
91
(3,5) 2 2,92
6
DS (x )
2,92 1,71
252
7
36
1974
(7) 2 54,83 49 5,83
36
DS (x )
5,83 2,41
77
10
6
4
1
5/15
4/15
3/15
3/15
15/15=1
E ( x)
50/15
24/15
12/15
3/15
89/15
89
5,93
15
F r e c u e n c ia l o
E s t a d s t ic a d e la
P r o b a b ilid a d
D ia g r a m a s
d e V en n
A x io m t ic a
T a b la s d e
C o n t in g e n c ia s
S u cesos
E x c lu y e n t e s
C o m p a t ib le s
R e g la d e la
A d ic i n
C o n d ic io n a le s
I n d e p e n d ie n t e s
R e g la d e la
M u lt ip lic a c i n
78
2) Dos sucesos A y B son opuestos. La P(A)= 4/7. Si el experimento que los origina se
realizara dos veces en condiciones de independencia, cul es la probabilidad de que
aparezca dos veces el suceso B? Calcule e indique el resultado.
3) Indique si en la siguiente distribucin de probabilidad
a) faltan valores de la variable
b) sobran valores de la variable
c) no faltan ni sobran valores de la variable.
xi
pi
5
1/16
8
3/16
9
5/16
11
3/8
BIBLIOGRAFIA CONSULTADA:
Berenson Levine
Estadstica bsica en Administracin
Editorial Prentice Hall - 6 Edicin
Kazmier L. Daz Matta A.
Estadstica Aplicada a Administracin y Economa
Editorial McGraw Hill - 2 Edicin
Mendenhall Reinmuth
Estadstica para Administracin y Economa
Grupo Editorial Iberoamrica - Ao 1993
Walpole Myers
Probabilidades y Estadstica
Editorial McGraw Hill - 4 Edicin
Montiel Ros Barn
Elementos Bsicos de Estadstica Econmica y Empresarial
Editorial Prentice Hall - Ao 1996
Levin Rubin
Estadstica para Administradores
Editorial Prentice Hall - 6 Edicin
Meyer P.
Probabilidad y Aplicaciones Estadsticas
Editorial Fondo Educativo Interamericano S.A. - Ao 1973
Nez Nez - Argello
Probabilidades y Elementos de Estadstica
Editorial Nueva Librera - Ao 1983
Cramer H.
Elementos de la Teora de las Probabilidades
Editorial Aguilar 3 Edicin
Spiegel M. Teora y Problemas de Estadstica Editorial Shaum