e la teoria de la Breve historia Probabilidad os el epto que se usa como base, ta probabilidad es el concep! no base end vetanento de procede en las decisiones clasicas para la estimacién sien ocimasia de hipotesis. Es una herramienta indispensable para todos y.la Dociyios que presenten algun grado de incertidumbre. Es un hecho que, el concento de probabilidad ha revolucionado el pensamiento matemstico a medida que transcurre el tiempo. La probabildad penis con el juego y que mejor que el juego para ensenar a los usuarios a dar los primeros pasos en el aprendizaje de esta importante rama de la “Estadistica” Amatematicos del siglo XVI, tales como: Pacioli, Cardano y Tartaglia se deben las primeras consideraciones matematicas profundas con relacion a los juegos de azar. La introduccidn del calculo de probabilidades surge aproximadamente a partir del aio 1650, donde se hicieron numerosas y constantes pruebas utilizando como instrumentos de mediciones, las cartas lamoneda y el dado, quedando establecido el primer concepto de probabilidad Se acepta como intuitivo el concepto de equiprobabilidad, admitiendo que el resultado de obtener una probabilidad fuera el cociente del numero de casos favorables dividido entre el total de casos posibles La anterior definicion tra‘ veoremii? ‘ajo. como consecuencia el desarrollo del teorera de Bernoulli y la distribucion binomial para el afto 1713. En el aio ore Feo el pcre central del limite y en el afo 1809, icio el i La existenci j gran exacti a de una teoria acabada y que nos permite medir On itud como: ‘a conducta de ciertos fendmenos, es gracias a precursore>CAPITULO HI: asificacion cl . concep radistica Inferencial e, que esta se convierte en yp stica sabe, que es' a la Esta dst e| desarrollo de pequefias y gran gran utlidad sEstadistica Descriptiva se puede usar ge Investigaciones y ademas, que la EStce ee trabajando con parametts forma directa. en la toma ce Ct Tabaja con estadisticas muestrales, el pa de poblacion. Ahora bien, tome la decision. Este proceso inversy 4 me antes que se Ir a dar os diferente zomprende dos tipos de problemas que descanzan sabe voces fa estimacion y la docimasia de hipotesis, ist ic trata de inferir y generatiza idistica Inferencial: es aquella que ata d t sere eaditca erect: es aquela que rata de infer y general {lamada Muestra. La estadistica inferencial se clasifica en dos ramas que son: Estadistica Inferencial { El usuario de herramienta de gran ul a) La Estimacién b) La Dosimasia de hipotesis La Estimacién: en este proceso usamos una estadistica muestral, que nos permite estimar el parametro poblacional correspondiente, La Dosimasia de hipétesis: en este proceso se determina si um estadistica muestral, responde ono a la aseveracion hecha sobre el parametro Ge poblacion, es decir, si es consistente con una hipdtesis planteada, Se presume que, el resultado d 6 e , le la estimacion del parametro de Poblacion mediante una estadi: istics na ‘epresentatividad del tamafo dela muestra, “orc? 5! MO existe Ul hacer es decease Pardmetro de poblacién, lo mas que podemas Y na estadisticn, Eaear tes PrexImos de la diferencta entre un paramet es limites se cor . “ror bai yaiandle una nes eran ego. En conclusi Estudios o Investigaciones ™©S Manejar el grado de incertidumbre en los Bara Wego obtener las mej sales Cuantificand el tase dele le poblacién, Ores aproximacion amet? les posibles sobre el para3 como la aseveracion acerca de fe puede o no ser verificada una hipétesis estadist ar considerar a mejor ilustracién de una hipdtesis estadistica, vamos a uiente ejemplo Suponga que a usted le gustan mucho los mangos, pero ave le repelen cuando eos ichen gusanos, Un dla pasa frente aun puesto de venta de Muar en ellos” Decide comprar la funda de mangos. A legar a la casa Sree en cosy al petaro descubre que hay gusanos en el. Usted se slente oe ne ee ccalca de muestreo usada no tue (a correcta. Aqui se cometio a ora ec gna ipotels falsa como verdadera, Este error al docimar tna hipoteste tiene que Ver-con la representativad de la muestra, tema que El Espacio Muestral y los Puntos Muestrales El concepto formal de Probabilidad, no solamente lo empleamos en estudios cientificos, si no tambien en el quehacer cotidiano Ejemplo: a) Es probable de que no vaya a Santiago. b) La probabilidad de pasar esta materia es de un 80%. Logicamente la situacién que se presenta es incierta, pero el sujeto que la emite, de todos modos, expresa algun grado de confianza de que su prediccion se verificara, Ahora desarrollamos el concepto formal de probabilidad en base al espacio muestral, los puntos muestrales y los eventos, todos asociados a un proceso llamado experimeto aleatorio, Imagine que nos interesa saber que pasaria si se realiza un acto una o varias veces en condiciones iguales. Este es un proceso aleatorio casual y contiene un numero de caracteristicas Unicas: 1. Acada realizacion de un acto se le llama prueba 2. Todas las pruebas realizadas en las mismas condiciones es un experimento. 3. El resultado de una prueba se llama punto muestral. 4. El conjunto o reunion de todos los resultados posibles o puntos muestrales, es un espacio muestral.eTICA INFERENCIAL_ 2 anal ESTADIST ejemplos sobre 10 que es un eSP2C io muestra Jemplos sobre 10 4 es un experimento de Una sol, na vez. Este es da ul a y una Cruz 0 escudo, a) Se lanza una moneda UNA VEZ: ary prueba y tiene dos puntos ™ H= Cara T = Cruz N (8) = Espacio muestral N(S) = {HT} , 0 €8 dos puntos muestrales. ) Se hace et lance de un dado comin una vez, Este es un experiment de una prueba, el cual tendra seis puntos muestrales.. N(S) = {1,2,3,4,5,6} También este espacio muestral, se puede representar en un espacio unidimensional. Te 203104? HG Fatt ¢) Ahora se arrojan dos monedas juntas 0 un: 1a moneda dos veces. Este es un experimento de dos pruebas ruebas y cl s re: nt Ete ese Pi Y cuatro posibles resultados o puntos N (5) ={(H,H), (4,7), (GH), (7.7)} Una forma de ver even er este espacio muestral mejor, es usando un diagrama enn eH @HT err Fig. 1.2. d) En este ca: experimento de dons ganzames juntos una moneda y un dado, Este es U0 ce puntos n 1.3 de la pagina siguietos Muestrales, tal como se muestra en la figuaRENCIAL 2 tiene en una caja 60 pilas eléctricas, donde pueden haber pllas defectuosas (D) y buenas (B). St se eligieteh al azar 4 pueden isco de su espacio muestral se hard tal como lo muestra figura Pitas asco jebe recordar de la estadistica descriptiva, que una seleccion dieatoria puede ser con remplazo y sin remplazo. ) Suponga que usted Cuando la seleccién es sin remplazo, cada elemento seleccionado se observa y se aparta de la poblacion. Esto trae como consecuencla, que Sooty? Ye aumenta el tamafo de la muestra, disminuye el tamano de Ar"poblacion, cuando ta seleccién es con reemplazo, los elementos sipetionados se observan y se devuelven a la poblacion. Este tipo de erga Gleatoria es exclusiva de poblaciones pequehas Ef espacio muestral para nuestro ejemplo tendra 16 puntos muestrales, SS BarA}=1 BBD DDDB DDBB DDBD }_4 BBBD’ BpBD\_, OBDD BBDB}_ 4 DBDB BDDD BppB{~* BDDB DBBB. DBBD DppD} 1 fig ta Desarrollo de Problemas Aplicando el concepto de Espacio Muestral La intenctén al desarrollar este tema es, que el u _ ma es, suario se vi troduciendo en el aprendizaje, de calcul’ y la interpretacion de probablidadessencias ya que ha sido explicado anpllamente todo relacioni al espacio muestral. Para lograr lo propuesto, rentelnaninertos dar ec onencambeendentet is oe ~ El lance de una moneda, - La tirada de un dado. - La extraccion de una carta.da dos veces 0 ) Se arroja uni calcule st » este experim ‘ dad compuesta de este expe a) Las pruebas 5 vyp=($) ~ & “Sirstootnanes tes pasiciones de como ser las monedas) ea aes ©) Espacio muestral. 4H HT TH a 2) Se arrojan juntos una moneda y un dado. Calcule; a) Nimero de pruebas del experimento. b) Probabilidad del experimento. €) Disene su espacio muestral, a) Las pruebas son = 2 »P-(3)(z) 75 [Es un producto de muitipticar ta probabins ‘de moneda por la probabilidad de un dado) ©) Espacio muestral tangs 1.3 de la pagina 23,3) Uste ado un dado comin una vez. Calcute a) Probabilidad del experimento ) Probabitidad de que sea una cara par c) Probabilidad de que sea una cara mayor © igual que la cara 3. d) Probabilidad de que sea exactamente la cara 5. Pp 0.16 é wp carapan=3(})-2-4 - 050 oP Caras 3)=4($)=$-3-0.87 4) P(cara5)=1(2) 0.16 4) En este momento, usted esta eligiendo de forma aleatoria una carta de un mazo de cartas. Catcute: 2) Probabilidad del experimento. b) Probabilidad de que sea un As. C) Probabilidad de que sea una carta de corazon. ) Probabilidad de que sea una carta negra. e) Probabilidad de que sea una carta bafita, f) Probabilidad de que sea una carta alta. 8) Probabilidad de que sea un As y de color negro.igTICA INFERENCIAL_ 2, et eB. 057 Gi) B- 8 -R-o 5) Suponga, que usted tiene una caja que contiene 60 pilas eléctrcas igieron al azar 4 pilas. Calcule: a) Nimero de pruebas del experimento. b) Probabitidad del experimento, ©) Disefie su espacio muestral. 8) Las pruebas = 4 e4ute P= =t 0.06 ©) Nerificar et espacio n ile la fig: 1.4 yerPacio muestrat de este p e la pagina 23,CAPITULO III: Los Enfoques de Probabilidad En la historia de la probabilidad se han desarrollado tres enfoay conceptuales, para definir la probabilidad y determinar valores Probabilistic Estos enfoques son los siguientes: 1) El enfoque clésico. 2) El enfoque de la frecuencia relativa 3) El enfoque Subjetivo, El enfoque clasico. Este enfoque es el mas antiguo, esta escuela det peimamiente 244 que los posibles resultados de un experimento son mutuamente excluyentes Jon igualdad probabllistica. Asi, si hay n resultados posibles en un experimento, a cada punto muestral se le asigna un valor de ‘eomo su probabtided nla tirada de una moneda, la probabilidad de obtener H 0 son iguales; es decir, un 4 ‘cuando se arroja un dado comin, la probabilidad de obtener una de sus cara es gual a Ast también, cuando extraemos a azar una carta de tn mazo de cartas, 3u probabilidad es igual agy De acuerdo al enfoque clasico de probabilidad, se representa por NIA) a los posibles resultados favorables de un evento Ay por N(S) a todas ey aittados favorables y no favorables; es decir, su espacio muestral Ejemplo: Se arroja un dado comin, ta probabitidad de que en esa primera tirada aparezca una cara menor o igual que 2 sera:Esto es, esperamos dos resultados f : ado, que los resultados probabilisticos qu or retains probabilidad es una razén de i nento entre su espacio muest itistico es un valor posit pero nunca sera cero 0 Uno « Nota io al ee fracciones. Una prot fesultedos probables de un exper Significa, que un resultado prol camprendigo entre cero y Uno El Enfoque de la Frecuencia Relativa Lae tedelene de este enfoqua coinciden en valido para determinar las probabilidades de un experimentos repetidos, De acuerdo a este enfoque, la probabitidad se determina en base la proporcién de veces en la que puede ocurrir un resultado favoron Clerto numero de pruebas. En este enfoque, los valores de probable determinan en base a la observacion y recoleccion de ance Este enfoque es también llamado empirico y consiste en divi numero de ocurrencias favorables de un evento A, entre et tena, muestra, p= N.0.(A) ~ HO.1A) Ejemplo: gue eermnat S84, GIES para cttor one sents es Para fiarel precio pr orgeisad de ocurrencia de los seetee soe Muestra de 5,000 perssrent ye (8 péliza. Se recolectare ieee me un perfodo de untans na Ge W5 chales 300 de else errs ee mo Sede accidentes que estudia la compafia. N.0.(4) re ae oe a beEl Enfoque Subjetivo teérico personalista bien anatizar star sujetos 8 experiments repet ® probabilidad como una medi particular, Come la ereencla de. ot sianos tendran el grado de mae alor ponderado entre cero y u ‘onflanza de su posible ocurrencla Si el tiene el doble de confianza en la 0 n respecto a un evento B; por su nivel de confianza de P(A) =4y que PIB) =4. En conclusén, las probabilidades que asign evens tr una prupurckin determinada, son los promedios pondarad suma es igual a la Unidad.