TEMA 7: Teoría de la probabilidad: Conceptos básicos. Distribución y reglas básicas de la probabilidad. Teorema de Bayés. Distribución de probabilidad discreta: binomial y de Poisson. Distribución de probabilidad continua: normal o campana de Gauss.
- El concepto de probabilidad es muy frecuente para comunicarnos y entendernos
- Se expresa mediante un número entre 0 y 1 (o en porcentajes)
- Esta estimación sobre la probabilidad de ocurrencia del evento nos ayuda a tomar decisiones.
- Cuanto más probable es que ocurre un evento, su medida de ocurrencia estará más próximo a 1 o al
100% y cuanto menos probable, más se aproxima al cero.
- Aunque el concepto es simple, ya que se usa de manera intuitiva, su definición es complicada y tiene tres vertiente:
Probabilidad
Subjetiva O Personalística
- La probabilidad mide la confianza
que el individuo tiene sobre la certeza de una proposición determinada.
- Por ejemplo: los epidemiólogos se
basan en la experiencia para afirmar que el próximo invierno la epidemia de
gripe tendrá una probabilidad del 0,0018 (180 casos por 100.000 habitantes).
- Este concepto de las
probabilidades ha dado lugar al enfoque de análisis de datos estadísticos
llamado “Estadística Bayesiana”.
Probabilidad
Clásica O “A Priori”
Ley de los Grandes números
Probabilidad
Relativa O “A Posteriori”
- Estas tres teorías han sido comentadas anteriormente, por lo que no veo la necesidad de repetir nuevamente dichos conceptos.
Eventos
o Sucesos
- Cuando se realiza un experimento
aleatorio diversos resultados son posibles. El conjunto de todos los resultados
posibles se llama espacio muestral, por lo que son probabilidades que se pueden representar
-
Se llama suceso o evento a un
subconjunto de dichos resultados
-
Se llama evento complementario
de un suceso A, al formado por los elementos que no están en A y se denota Ac
-
Se llama evento unión de A y B,
AUB, al formado por los elementos experimentales que están en A o en B
(incluyendo todos los que están en ambos)
-
Se llama evento intersección de
A y B, AnB al formado por los elementos que están en A y B
Reglas
básicas: Teoría de la Probabilidad
- Las probabilidades siempre oscilan
entre 0 y 1
- La probabilidad de un suceso
contrario es igual a 1 menos la probabilidad del suceso
– P (A´)= 1-P(A)
- La probabilidad de un suceso
imposible es 0
- La unión de A y B es:
– P(AUB)=P(A)+P(B)-P(A П B)
- La probabilidad condicionada de un
suceso A a otro B se expresa:
Teorema
de Bayes
Expresa la probabilidad condicional
de un evento aleatorio A dado B en términos de la distribución de probabilidad
condicional del evento B dado A y la distribución de probabilidad marginal de
sólo A.
En términos más generales el teorema
de Bayes que vincula la probabilidad de A dado B con la probabilidad de B dado
A.
Distribución de probabilidad en variables discretas:
Binomial y Poisson
Distribución
binomial
• La distribución binomial es un
modelo matemático de distribución teórica de (la normal es con variables
continuas) variables discretas
– Cuando se producen situaciones en las que sólo existen dos
posibilidades (cara/cruz; sano/enfermo…)
– El resultado obtenido en cada prueba es independiente de los
resultados obtenidos anteriormente.
– La probabilidad del suceso A es constante, la representamos por p, y
no varía de una prueba a otra. La probabilidad de `A es 1- p y la representamos
por q .
– El experimento consta de un número n de pruebas.
Distribución
binomial
• Mediante esta distribución se
resuelven los problemas que plantean:
– Si al hacer un experimento hay una probabilidad p de que ocurra un
suceso ¿Cuál es la probabilidad de que en N experimentos el suceso ocurra X
veces?
• P: probabilidad de
ocurrencia; q de no ocurrencia
• X: numero sucesos favorables
• N: número total de ensayos
– Y… recordar que por definición el factorial de un número 0 es igual a
1
Distribución
de Poisson
-
Introducción
La distribución de Poisson nos permite obtener la probabilidad de ocurrencia de sucesos raros (eventos que ocurren con
poca frecuencia) cuyo resultado se representa una variable discreta
-
Utilidad
1. La distribución de Poisson se
utiliza en situaciones donde los sucesos son impredecibles o de ocurrencia aleatoria. En otras palabras no se sabe
el total de posibles resultados.
2. Permite determinar la
probabilidad de ocurrencia de un suceso con resultado discreto
3. Es muy útil cuando la muestra o
segmento n es grande y la
probabilidad de éxitos p es pequeña
4. Se utiliza cuando la probabilidad
del evento que nos interesa se distribuye dentro de un segmento n dado como por
ejemplo distancia, área, volumen o tiempo definido
Distribuciones
normales
Tipificación de valores en una
normal:
• Extrapolando aparecen los
principios básicos de las distribuciones normales y podemos tipificar valores
de una normal:
Tipificación
de los valores y su relación con la campana de Gauss
La tipificación de la valores se
puede realizar sí …
• Trabajamos con una variables
continuas que:
– Sigue una distribución normal (TLC)
– Y tiene más de 100 unidades (LGN)
• La tipificación nos permite
conocer si otro valor corresponde o no a esa distribución de frecuencia
Sabemos
por la forma de la curva que…
• La media coincide con lo más alto
de la campana: 8
• La desviación típica es de 2
puntos
– El 50% tiene puntuaciones>8
– El 50% tiene puntuaciones<8
– Aproximadamente el 68% puntúa entre 6 y 10
• media +/- 1 desviación típica: 68%
– 8+/-1: 6-10
• Media +/- 2 desviación típica: 95%
– 4-12
• Media +/- 3 desviación típica: 99%
– 2-14
En la próxima entrada encontrareis varios ejercicios resueltos, sobre los conocimientos adquiridos en este tema.
No hay comentarios:
Publicar un comentario