MONOGRAFA. EPISTEMOLOGA . Carrera docente. Curso 2003. Experiencia determinista. Causa y efecto.

Experiencia aleatoria: El resultado depende del azar. Experimentos o fenmenos aleatorios son los que pueden dar lugar a varios resultados, sin que pueda ser previsible enunciar con certeza cul de stos va a ser observado en la realizacin del experimento. Suceso aleatorio es un acontecimiento que ocurrir o no, dependiendo del azar. Espacio muestral es el conjunto formado por todos los posibles resultados de un experimento aleatorio. Lo designamos por E. Ejemplos: En un dado, E ={1,2,3,4,5,6} En una moneda, E ={C,+} Definiciones de Probabilidad. Definicin de Laplace. ( clsica ) . En el caso de que todos los sucesos elementales del espacio muestral E sean equiprobables, Laplace define la probabilidad del suceso A como el cociente entre el nmero de resultados favorables a que ocurra el suceso A en el experimento y el nmero de resultados posibles del experimento. nmero de casos favorables al suceso A P(A) = ________________________________ nmero de casos posibles Es un enfoque a priori . Definicin segn la Frecuencia relativa. Probabilidad de un suceso: es el nmero al que tiende la frecuencia relativa asociada al suceso a medida que el nmero de veces que se realiza el experimento crece. Responde a la ley de los grandes nmeros, establecida por Jakob Bernouilli. La frecuencia relativa del suceso A: nmero de veces que aparece A fr (A) = _________________________________ nmero de veces que se realiza el experimento P(A) = lm fr(A) n oo Es un enfoque emprico .

Definicin axiomtica. Se debe a Kolmogorov. 1) Cualquiera que sea el suceso A, P(A) > 0 . 2) Si dos sucesos son incompatibles, la probabilidad de su unin es: P(A u B) = P(A) + P(B). 3) La probabilidad total es 1. P(E) = 1. Definicin subjetiva. (Enfoque personalista). Probabilidad de un evento: es el grado de confianza que una persona tiene de que el evento ocurra, basado en las evidencias que tiene disponibles. En el clculo de las probabilidades de algunos sucesos, el valor de dicha probabilidad vara en funcin del conocimiento de determinadas informaciones relativas a estos sucesos. Da lugar a la Probabilidad Condicional.( para sucesos dependientes, la probabilidad de que ocurra un suceso B dado que ocurre A).( Ej: extraccin de bolillas de un bolillero, sin reposicin, la segunda extraccin depender condicionada- de la primera). Tambin los sucesos mutuamente excluyentes y no excluyentes, referido a si pueden ocurrir al mismo tiempo. (Ej: sacar un as, y sacar una espada, no son mutuamente excluyentes, pues se puede sacar el as de espadas). Se aplica al Anlisis Bayesiano de decisin que ajusta una probabilidad a priori ,con otra a posteriori, basado en los resultados de una muestra o estudio adicional. Diagramas de rbol. Aplicado a una moneda lanzada 2 veces. Ca : cara. Cr : cruz. Ca2 Ca1 1/2 1/2 1/2 Cr1 1/2 Cr2 Ca2 1/2 1/2 Cr2

Ca1 y Ca2 : Ca1 y Cr2 : Cr1 y Ca2 : Cr1 y Cr2 : ____________________________________________ La probabilidad del evento conjunto = 4/4 = 1.

Estadstica. Al estudiar la Teora de la probabilidad y los rudimentos de la estadstica, se est utilizando un proceso deductivo, esto es, que se parte de lo general para decir algo de lo particular. Por ejemplo, se conoce un universo de elementos y se desea saber cul es el comportamiento de un grupo reducido de observaciones tomadas de ese universo. En los estudios ms avanzados de la Estadstica se utiliza un mtodo inductivo, esto es, que a partir de la informacin obtenida de unos pocos elementos de un universo una muestra se trata de encontrar las caractersticas de todo el universo. Estadstica, rea del conocimiento que permite hacer inferencia sobre poblaciones. Estadstica de una muestra, es una cifra que describe a esa muestra y que puede servir para calcular o hacer una estimacin de los parmetros del universo. Histogramas y Tablas. Una manera de visualizar la informacin de una muestra es tabularla o mostrar la grfica de los valores obtenidos. Frontera inferior
59,5 62,5 65,5 68,5 71,5

Intervalos de clase
60-62 63-65 66-68 69-71 72-74

Frontera superior
62,5 65,5 68,5 71,5 74,5

Marca de clase (x) 61 64 67 70 73

Frecuencia (f) 5 18 42 27 8 Total =100

Histograma
50
Frecuencia

40 30 20 10 0 60-62 63-65 66-68 69-71 72-74

intervalos de clase

Serie1

Histograma y Polgono de Frecuencias

50 Frecuencia 40 30 20 10 0 58 61 64 67 70 73 76 Marcas de Clase Serie2 Serie1

Medidas de tendencia central. Nos informan hacia qu valores se concentran los datos de la distribucin. Las ms conocidas son: La media aritmtica ,la moda y la mediana. La media aritmtica. La media indica la tendencia central de los datos. Es el valor alrededor del cual tienden a agruparse los datos de una distribucin. Fcil de calcular, pero muy sensible a los valores extremos. La moda. La moda se define como el valor ms frecuente. Esto es, aquel valor que tiene mayor frecuencia. La mediana. La mediana es el valor central, que divide la distribucin en partes iguales, o sea que el nmero de observaciones por encima de la mediana es igual al nmero de observaciones por debajo de ella. No es afectada por los valores extremos. Medidas de dispersin de la distribucin. Muestran qu tan esparcidos estn los datos. Las ms comunes son: el rango, la desviacin media, la desviacin tpica estndar y la varianza. Cuando se refiere a la poblacin o universo, se utilizan letras griegas, cuando se trata de la muestra, las correspondientes latinas. La Distribucin de Probabilidad Normal Existen muchas distribuciones de probabilidad continuas; la ms conocida y frecuente es la que se conoce como distribucin normal o de Gauss. Esta ley de probabilidad rige muchos fenmenos de la naturaleza. Esta distribucin tiene unas caractersticas que la hacen muy especial: La moda, la media y la mediana son iguales. Es simtrica alrededor de la media. La curva tiene dos puntos de inflexin en la media una desviacin tpica estndar. Es asinttica en cero alejndose de la media. El rea bajo la curva es igual a 1.

Curva Normal
0,6 0,4 0,2 0 -3 -2 -1 0 1 2 3 Valores de z

Teora estadstica de las decisiones. Se formula una hiptesis de lo que sucede en una poblacin y se verifica si los resultados obtenidos se mantienen dentro de ciertos lmites de variacin razonables. 1) Hiptesis nula (H0): se formula con el nico propsito de rechazarla. Si queremos decidir si una moneda est trucada, formulamos la hiptesis de que la moneda es buena. Si se la rechaza puede aceptarse una hiptesis alternativa (H1). 2) Nivel de significacin, se simboliza con la letra griega alfa, indica la probabilidad de que rechacemos H0 cuando debiera ser aceptada. Un nivel de significacin de 0,05 ( 5%) indica que en una decisin, hay 5 oportunidades entre 100 de rechazar la hiptesis cuando debiera haberse aceptado, es decir tenemos un 95% de confianza de que hemos adoptado la decisin correcta, en se caso decimos que la hiptesis ha sido rechazada al nivel de significacin 0,05, lo cual quiere decir que la hiptesis tiene una probabilidad 0,05 de ser falsa. Puede elegirse 1% da un 99% de confianza. 3) Tipos de error: si rechazamos una hiptesis cuando debiera ser aceptada diremos que se ha cometido un error de tipo I,(alfa). Si aceptamos una hiptesis que debiera ser rechazada, diremos que se ha producido un error de Tipo II (beta). En ambos casos, se ha producido un juicio errneo. Dado el rango z = -1,96 y z = 1,96 nos da la regin de aceptacin de la hiptesis. Fuera de se rango es la regin crtica de la hiptesis, de rechazo o de significacin.

Ej.) Hallar la probabilidad de sacar entre 40 y 60 caras en 100 tiradas de una moneda buena. (p = 0,5) A partir de la distribucin binomial resulta media = 50 y desviacin tpica = 5 por frmulas. Con esos datos obtenemos para 40 y 60 caras, valores de z = -2,1 y z = + 2,1, que en la curva normal por la simetra, corresponden a 2veces el rea entre z =0 y z = + 2,1, resultando = 2( 0,4821) = 0,9642 la probabilidad pedida. Luego (1-0,9642) = 0,0358 (3,58%) es la probabilidad de rechazar la hiptesis cuando sea correcta.

Qu sucede si la moneda est trucada? (p = 0,7)

El grfico se desplaza, resulta media = 70 y desviacin tpica 4,58. La zona crtica de la moneda trucada cae dentro de la zona de aceptacin de la moneda buena, la posibilidad de cometer error de tipo II (beta), es decir aceptar H0 cuando debiera ser rechazada , efectuando clculos es de 0,0192 (1,92%) Es decir la posibilidad de aceptar que la moneda sea correcta cuando en realidad es falsa es de slo el 1,92%.

Mtodos de pronstico. La Humanidad ha tratado siempre de predecir el futuro. Basta recordar todos los intentos de las tribus primitivas de controlar -prediciendo- los fenmenos naturales o el orculo de Delfos en Grecia. As mismo, quienes deciden, se enfrentan da a da, con la necesidad de tomar decisiones hoy con consecuencias futuras. Para elaborar pronsticos, se pueden encontrar dos grandes clases de modelos: causales y de series de tiempo. Los primeros tratan de encontrar las relaciones de causalidad entre diferentes variables, de manera que conociendo o prediciendo alguna o algunas de ellas, se pueda encontrar el valor de otra. En el segundo caso no interesa encontrar esas relaciones, sino que se requiere solamente encontrar los posibles valores que asumir una determinada variable. En todos los casos siempre se hace uso de la informacin histrica, ya sea para predecir el comportamiento futuro o para suponer que el comportamiento histrico se mantendr hacia el futuro y sobre esta base hacer los estimativos.