🎲Probabilidad 🎲

🎲Probabilidad 🎲

Espacio Muestral

Esperimento estadistico

Resultado de los Experimentos

Espacio Muestral

Todos los resultados posibles

Punto Muestral

Cada uno de los resultados

Evento

Subconjunto de un espacio muestral

Conjunto de datos

Posibles Resultados

Resultados Fortuitos

Probabilidad de un evento

Características

0≤P(A)≤1 P(∅)=0 p(S)=1

P(A)=n/N

r

Siendo n el numero los resultados que corresponden al evento Ay N cualquier resultado posible del experimento S

r

Si yo tengo un cajón con muchas pelotas con las que juega mi perro y, nuestro evento A es "sacar una pelota azul". En nuestro espacio muestral (que incluye todas las pelotas del cajón) del experimento S tenemos dos Pelotas azules en un total de siete pelotas. Asique:P(A) = 2/7Acá hay un video explicando el ejemplo:https://www.youtube.com/watch?v=xYco67hkECs

Reglas Aditivas

Eventos excluyentes

P(A1 U A2 U....U An)= P(A1) + P(A2) +.... P(An)

r

Siguendo con el ejemplo del cajón de pelotas. Si en este caso nuestro evento A sea "sacar una pelota azul o amarilla"Nuestro espacio muestral tiene 5 pelotas amarillas, 2 azules y 3 rojas. Dando un total de 10 pelotas.En este ejemplo los dos eventos son excluyentes ya que si saco una sola pelota que tiene un unico color, esta no podrá ser amarilla y azul al mismo tiempo.Entonces la probabilidad de nuestro evento a es:P(A) = 5/10 + 2/10 = 7/10

Eventos no excluyentes

P(AUB)= P(A) + P(B) - P(A∩B)

r

Cuando los eventos son no excluyentes y se quiere calcular la probabilidad. Cuando sumamos la prob, de A y la de B, estamos considerando dos veces la parte que se intersecta, por eso se resta una vez la intersección.

r

Si yo en un frasco tengo una mezcla de distintos tipos de dulces. Yo séque en el frasco hay 10 caramelos y 13 gomitas de menta.Y yo se que en el frasco hay 5 caramelos duros de frutilla, 3 caramelos masticables de naranja y 2 masticables de frutilla.Si mi evento A es :" Sacar un caramelo de frutilla"Y mi evento B es : "Sacar un caramelo masticable"La intesección de los eventos sería : "Sacar un caramelo de frutilla masticable"La probabilidad de la union de los eventos es:P(A U B): 7/23 + 5/23 -2/23 =10/23Hay que recordar que en el frsaco tambien habian gomitas de menta por eso la probabilidad nos queda dividido entre 23 posibles dulces.

Eventos complementarios

P(A)+P(A´) =1

r

Los eventos complementarios son un tipo de de eventos excluyentes, la unica diferencia es que la suma de sus probabilidades sería 1 ya que abarca todos los puntos muestrales del conjuno S, del cual tanto A como A´son subconjuntos.

r

Si yo tengo una bolsa que contiene 20 cararamelos de 3 sabores distintos: naranja frutilla y uva . Y tengo 10 de naranja, 4 de frutilla y 6 de uva.Si mi evento A es : "sacar un caramelo de frutilla", el evento A´será : "sacar un caramelo de naranja o de uva"entonces si yo quiero calcular la probabilidad de la suma de los dos eventos tengo:P(A) + P(A´)= 4/20 + 16/20 = 20/20 = 1

PROBABILIDAD|CONDICIONAL

r

Probabilidad de que ocurra un evento A, sabiendo que también sucede otro evento B.

P(B|A)

r

Se lee “la probabilidad de que ocurra B, dado que ocurrió A”P (B |A) =P (A ∩B )/P (A) siempre que P(A) > 0.

Si P(B|A) = P(B) se cumple, los eventos A y B son...

EVENTOS INDEPENDIENTES!

r

Dos eventos A y B son independientes si y sólo si P(B|A) = P(B) o P(A|B) = P(A)Esto se cumple si se asume la existencia de probabilidad condicional. De otra forma, A y B son dependientes.

P(B|A) = P(B) o P(A|B) = P(A)

w

w

r

P (A|B) = P (A ∩ B)/P (B) = 25/60 = 5/12= 0,4167 = 41,67 % 

VARIABLE ALEATORIA

Ejemplo

Subtopic

Subtopic

TIPO

TIPO

Enumerable

DISCRETA

r

A cada posible resultado del experimento, le hace corresponder un número

Ejemplos

VAD

VAD

No Enumerable

CONTINUA

r

Toma valores dentro de un intervalo

Ejemplos

VAC

VAC

Soporte

Soporte

r

Conjunto de valores que puede tomar la Variable Aleatoria "X" dentro de un Espacio muestral asignado para un Experimento.

Sus valores se asocian a través de una

Función

DE DISTRIBUCIÓN DE PROBABILIDAD

discreta

binomial

binomial

experimento de bernoulli

proceso de bernoulli

poisson

poisson

experimento de poisson

proceso de poisson

Continua

distribución normal

distribución normal

Función de densidad de probabilidad

Función de densidad de probabilidad

PROPIEDADES

r

La moda, que es el punto sobre el eje horizontal donde la curva es un máximo, ocurre en x = μ.La curva es simétrica alrededor de un eje vertical a través de la media μ.La curva tiene sus puntos de infl exión en x = μ ± σ, es cóncava hacia abajo si μ − σ < X < μ + σ, y es cóncava hacia arriba en cualquier otro caso.La curva normal se aproxima al eje horizontal de manera asintótica, conforme nos alejamos de la media en cualquier dirección.El área total bajo la curva y sobre el eje horizontal es igual a 1.

Áreas bajo la curva

Áreas bajo la curva

Ejemplo

Ejemplo

Esperanza y Varianza de una V.A

Esperanza

r

Tendencia de los valores de la v.a a agruparse en torno a un valor central o valor esperado

DISCRETA

si X es DISCRETA

si X es DISCRETA

r

Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la probabilidad de cada posible  suceso aleatorio multiplicado por el valor de dicho suceso.f(x) es función de masa de probabilidad o función de densidad de probabilidad según corresponda.

Si X es DISCRETA

Si X es DISCRETA

r

Sea X una variable aleatoria con distribución de probabilidad f (x). El valor esperado de la variable aleatoria g(X) es...

CONTINUA

Si X es CONTINUA

Si X es CONTINUA

r

Para una variable aleatoria absolutamente continua, la esperanza se calcula mediante la integral de todos los valores y la función de densidad f(x).

Si X es CONTINUA

Si X es CONTINUA

r

Sea X una variable aleatoria con distribución de probabilidad f (x). El valor esperado de la variable aleatoria g(X) es...

Varianza

r

 Variabilidad de los valores de la v.a

DISCRETA

CONTINUA

r

Siendo f ( x) la función de masa de probabilidad o la función de densidad de probabilidad según corresponda