MODULO 2

VIDEO 1
Experimentos: Proceso que genere datos
Deterministicos: No incertidumbre; area fisica
Aleatorios: Si incertidumbre, idea de los posibles resultados pero no se anticipa
el resultado, Azar
Espacio muestreal: Conjunto formado por todos los posibles resultados de un
experimento aleatorio. (S).
Probabilidad: Valor entre 0 y 1 que describe la posibilidad que ocurra un evento.

2 ENFOQUES

Toeria o clasica: Predicción con el uso de un grupo de reglas o suposiciones. # de

resultados favorables/# total de posibles resultados.
Empirica: A partir de observaciones de la vida real. # de veces que el evento
ocurre/ # total de observaciones

PRINCIPIOS DE CONTEO

A. Fórmula de la multiplicación: Para dos o más agrupamientos, m formas y n formas,

se multiplican las formas
B. Permutaciones: Determinar el # posible de disposiciones cuando solo hay un grupo
de objetos y el orden IMPORTA.
Formula; nPr= n!/(n-r)! n: total objetos r: total objetos seleccionados
C. Combinaciones: Donde no el orden NO IMPORTA.
Formula; nCr= n!/r!(n-r)!

REGLAS PARA CALCULAR PROBABILIDADES

1.Regla de la adición: Probabilidad de combinar dos eventos A o B, dond elos
eventos son mutuamente excluyentes, suma de sus probabilidades.
P( A o B)= P(A)+P(B)
A veces NO son mutuamente excluyentes, sumo la probabilidad de los dos y resto A y
B; P(A o B)=P(A)+P(B)-P(A y B).
2. Regla del complemento: Dterminar la probabilidad de que un evento ocurra
restando de 1 la probabilidad de un evento que no ha ocurrido.
P(No sea de)=1-P(Si sea de)
3. Regla de la multiplicación: Estimar la probabilidad de dos eventos sean
simultaneos (A y B) Eventos independientes.
P (A y B)=P(A)P(B)
A veces eventos dependientes (condicional)
P(A y B)= P(A)P(B|A)

TABLAS DE CONTIGENCIA Y PROBABILIDAD CONDICIONAL

1.Tabla de contingencia: Tbulación cruzada que resume simultaneamente dos variables
de interés, asi como la relación entre estas, suma total de filas y columnas es =.
Probabilidad condicional
Cuantificar probabilidad condicional a traves de tablas
Eventos dependientes p(A|B)= P(AnB)/P(B)

VIDEO 2

Variables aleatorias: VA, función del espacio muestral S en un conjunto numerico de

Z (enteros)
Ejemplo: (VER PANTALLAZOS)
Notación:
(X=x): evento dond la variable aleatoria X toma el valor x
p(X=x): Probabilidad de dicho suceso.

(X<x); p(X<x)
(X<=x); p(X<=x) y >

DISTRIBUCIÓN DE PROBABILIDAD
Listado de todos los resultados de un experimento y la probabilidad asociada
VA discreta: Valores separados, conteos
Distribuciones de porbabilidad para VA discretas
VA continua: Medición.
Distribuciones de probabilidad para VA continuas.

CARACTERISTICAS DE UNA DISTRIBUCIÓN DE PROBABILIDAD

1. La probabilidad de un resultado en particular de encuentra entre 0 y 1.
2. Los resultados son eventos mutuamente excluyentes
3. La lista es exhaustiva, la suma de todas las probabilidades de todos los eventos
=1

DPVAD
interes: (Ver pantallazos)
DPVAC
se representan por areas bajo una curva
Función de densidad: Probabilidad entres dos valores de la variables.
Cracteristicas: positiva, la integral entre -inf y +inf =1
Función de distribución: Probabilidad de que X tome vaores MENORES o iguales a X
pnorm(): valores acumulados hacia la izquierda
Cuadro comparativo VER PANTALLAZOS

VIDEO 3
DPD

1.1 Variable o ensayo Bernoulli: Experimento con solo dos resultados posibles.
p: probabilidad de éxito
q=1.p: Probabilidad de fracaso

1.2. Distribución binomial: distribucion de probabilidad discreta que cuenta el #

de exitos en una secuencia de n ensayos de Bernoulli independientes entre sí.
X: # de exitos
n: # de ensayos
p: probabilidad de exito
q: probabilidad de fracaso (1-p)
x-b(n,p)

Caracteristicas
1. Experiemnto que clasifica en dos porbabilidas.
2. La variable aleatoria permit contar el # de exitos den una cantidad fija de
pruebas
3. La probabilidad de exito y fracaso es la misma para cada prueba
4. pruebas son independientes, es decir el resultado de una prueba no influye en el
resultado de otra.

Función de probabilidad
(Ver pantallazos)

dbinom: puntual, valor que quiero hayar, # ensayos, probabilidad

pbinom:"al menos" :probabilidad acumulada (siempre acumula hacia la izquierda (T))

VER PANTALLAZOS
comando: pbinom(q=2,size=8,prob=o.67, lower.tail=T)

Modelos de distribución discreta: binomial

COMANDOS R (VER PANTALLAZOS)
DISTRIBUCIÓN DE POISSON: Probabilidad de que curra un determinado evento un # de
veces k en un intervalo de tiempo o espacio determinado
Unidad de area, tiempo, transecto, etc

Caracteristicas
1. La variables aleatoria es el numero de veces que ocurre un evento durante un
intervalo definido
2. La probabilidad de que ocurra el evento es proporcional al tamaño del intervalo
3. Los intervalos no se superponen y son independientes
Ecuación: VER PANTALLAZOS