Este documento presenta conceptos básicos sobre probabilidad y distribuciones de probabilidad. Explica que un experimento es aleatorio si su resultado no puede predecirse a pesar de repetirse en las mismas condiciones. Define probabilidad como la posibilidad de que ocurra un evento específico entre 0 y 1. También cubre diferentes enfoques para determinar probabilidades como el clásico, frecuentista y subjetivo, así como conceptos como eventos, reglas de probabilidad y probabilidad condicional.
Este documento explica la distribución binomial y cómo calcular la probabilidad de obtener un número específico de resultados en múltiples ensayos. Primero, muestra un ejemplo de lanzar una moneda 3 veces y calcular la probabilidad de obtener exactamente 2 caras. Luego, presenta la fórmula general de la distribución binomial y cómo interpretar sus términos. Finalmente, aplica la fórmula a dos ejemplos genéticos para calcular la probabilidad de obtener diferentes fenotipos en descendientes.
Este documento describe Ascaris lumbricoides, un nematodo parásito. Explica que la enfermedad generalmente es asintomática en adultos pero puede causar signos y síntomas variables en niños, incluyendo disminución de peso, anorexia y dolor abdominal. También discute el ciclo de vida, diagnóstico a través de exámenes de heces, y tratamiento con medicamentos como albendazol.
[Práctica 3] [2016.11.23] lab. análisis - determinación de cenizasDiego Guzmán
Este documento describe el procedimiento para determinar el contenido de cenizas totales en diferentes muestras de alimentos. Se define cenizas como el residuo inorgánico que queda después de calcinar la materia orgánica de una muestra. El procedimiento implica pesar las muestras, incinerarlas en una mufla a altas temperaturas, y pesar las cenizas resultantes para calcular el porcentaje de cenizas totales. El objetivo es conocer la composición mineral de las muestras y su grado de pureza.
Este documento trata sobre la validación de métodos analíticos. Explica qué es la validación y por qué es necesaria para generar confianza en los resultados. La validación implica probar diferentes aspectos del método para establecer que sirve para el propósito previsto de manera reproducible y confiable. También clasifica los diferentes tipos de métodos y cuando se debe realizar la validación o verificación de cada uno.
Este documento describe cómo determinar las concentraciones de diluciones de una solución madre de glucosa. Se prepararon diluciones de 1000, 800, 600 y 400 partes por millón (ppm) y se trazó una curva patrón relacionando la absorbancia con la concentración. Esta curva se usará para determinar la concentración de azúcares reductores en muestras de alimentos.
Este documento explica conceptos básicos de probabilidad y genética como probabilidad empírica y teórica, eventos mutuamente excluyentes y no excluyentes, reglas de probabilidad como la suma y el producto, y la prueba de Ji cuadrado para determinar si los datos se ajustan a las proporciones esperadas.
Este documento describe los conceptos y métodos de un antibiograma. Un antibiograma determina la susceptibilidad de microorganismos a agentes antimicrobianos mediante pruebas in vitro. Incluye la concentración mínima inhibitoria de antibióticos, clasificaciones de antibióticos, y los métodos de difusión en disco de Kirby-Bauer y E-test para medir la susceptibilidad.
Este documento describe dos pruebas estadísticas, el Test de Dixon y el Test de Grubbs, que se usan para identificar valores discrepantes en un conjunto de datos. Explica los pasos para aplicar cada prueba, como ordenar los datos, decidir qué valor es sospechoso, calcular un valor y compararlo con una tabla para determinar si debe ser rechazado. También muestra un ejemplo numérico donde se aplica el Test de Dixon a un conjunto de datos de concentración y no se encuentran valores que deban ser eliminados.
Este documento explica la distribución binomial y cómo calcular la probabilidad de obtener un número específico de resultados en múltiples ensayos. Primero, muestra un ejemplo de lanzar una moneda 3 veces y calcular la probabilidad de obtener exactamente 2 caras. Luego, presenta la fórmula general de la distribución binomial y cómo interpretar sus términos. Finalmente, aplica la fórmula a dos ejemplos genéticos para calcular la probabilidad de obtener diferentes fenotipos en descendientes.
Este documento describe Ascaris lumbricoides, un nematodo parásito. Explica que la enfermedad generalmente es asintomática en adultos pero puede causar signos y síntomas variables en niños, incluyendo disminución de peso, anorexia y dolor abdominal. También discute el ciclo de vida, diagnóstico a través de exámenes de heces, y tratamiento con medicamentos como albendazol.
[Práctica 3] [2016.11.23] lab. análisis - determinación de cenizasDiego Guzmán
Este documento describe el procedimiento para determinar el contenido de cenizas totales en diferentes muestras de alimentos. Se define cenizas como el residuo inorgánico que queda después de calcinar la materia orgánica de una muestra. El procedimiento implica pesar las muestras, incinerarlas en una mufla a altas temperaturas, y pesar las cenizas resultantes para calcular el porcentaje de cenizas totales. El objetivo es conocer la composición mineral de las muestras y su grado de pureza.
Este documento trata sobre la validación de métodos analíticos. Explica qué es la validación y por qué es necesaria para generar confianza en los resultados. La validación implica probar diferentes aspectos del método para establecer que sirve para el propósito previsto de manera reproducible y confiable. También clasifica los diferentes tipos de métodos y cuando se debe realizar la validación o verificación de cada uno.
Este documento describe cómo determinar las concentraciones de diluciones de una solución madre de glucosa. Se prepararon diluciones de 1000, 800, 600 y 400 partes por millón (ppm) y se trazó una curva patrón relacionando la absorbancia con la concentración. Esta curva se usará para determinar la concentración de azúcares reductores en muestras de alimentos.
Este documento explica conceptos básicos de probabilidad y genética como probabilidad empírica y teórica, eventos mutuamente excluyentes y no excluyentes, reglas de probabilidad como la suma y el producto, y la prueba de Ji cuadrado para determinar si los datos se ajustan a las proporciones esperadas.
Este documento describe los conceptos y métodos de un antibiograma. Un antibiograma determina la susceptibilidad de microorganismos a agentes antimicrobianos mediante pruebas in vitro. Incluye la concentración mínima inhibitoria de antibióticos, clasificaciones de antibióticos, y los métodos de difusión en disco de Kirby-Bauer y E-test para medir la susceptibilidad.
Este documento describe dos pruebas estadísticas, el Test de Dixon y el Test de Grubbs, que se usan para identificar valores discrepantes en un conjunto de datos. Explica los pasos para aplicar cada prueba, como ordenar los datos, decidir qué valor es sospechoso, calcular un valor y compararlo con una tabla para determinar si debe ser rechazado. También muestra un ejemplo numérico donde se aplica el Test de Dixon a un conjunto de datos de concentración y no se encuentran valores que deban ser eliminados.
Este informe presenta los resultados de un experimento para determinar la curva espectral y la ley de Beer para el permanganato de potasio. Se graficaron las curvas espectrales y de calibración, determinando las longitudes de onda máximas de absorción. La constante de absorción molar del permanganato fue calculada aplicando la ley de Beer, y se realizaron cálculos estadísticos para validar la linealidad de la curva de calibración.
El documento trata sobre problemas de genética. Explica que los individuos que manifiestan un carácter recesivo son homocigotos para ese carácter. También analiza casos de herencia de caracteres como la acondroplasia y el color de la lana en borregos, determinando los genotipos de los progenitores. Finalmente, prevé las proporciones fenotípicas esperadas en la descendencia de cruces entre diferentes líneas de gallinas.
La potenciometría es una técnica electroanalítica que permite determinar la concentración de especies electroactivas midiendo diferencias de potencial eléctrico. Se compone de un electrodo de referencia, un electrodo indicador y un dispositivo de medición. Mide voltajes de forma continua para detectar y cuantificar analitos como protones. La ecuación de Nernst relaciona el potencial eléctrico con la actividad de la especie.
Microbiologia observacion microscopica y medios de cultivo y aislamiento bact...University of Antofagasta
Este documento presenta información sobre diferentes tipos de microorganismos, incluyendo su forma, tinción de Gram, agrupación y ejemplos de patologías asociadas. Describe características morfológicas y de tinción de gram de cocos, bacilos y levaduras. También incluye información sobre pruebas para identificar factores de virulencia como la coagulasa y DNAsa.
La espectroscopia de emisión atómica requiere atomizar las muestras para descomponerlas en partículas elementales gaseosas. Existen dos tipos de atomizadores, continuos y discretos. Los espectros atómicos pueden ser de emisión, absorción o fluorescencia. La espectroscopia de emisión y absorción atómica se usan para análisis cualitativo y cuantitativo de elementos en muestras geológicas, biológicas y otras, aunque las muestras orgánic
Este documento presenta nueve problemas de probabilidad discreta. Cada problema describe una situación y pregunta por la probabilidad de ciertos eventos dados los parámetros de la distribución de probabilidad subyacente. Se resuelven los problemas aplicando conceptos como la distribución binomial, el valor esperado, la varianza y el cálculo de probabilidades para eventos compuestos.
El almidón es una macromolécula compuesta de amilasa y amilopectina que proporciona energía y es el glucido de reserva de la mayoría de vegetales. Se encuentra en muchos productos de panadería y repostería. La prueba de yodo permite detectar la presencia de almidón al formarse un color púrpura en la reacción entre el almidón y el yodo, y se puede usar en alimentos como patatas, pan y algunas frutas y cereales.
Este documento proporciona una introducción a los carbohidratos, incluyendo su clasificación, estructura y análisis. Se explica que los carbohidratos son polihidroxi aldehídos o cetonas que incluyen monosacáridos como la glucosa y fructosa, y disacáridos como la sacarosa, lactosa y maltosa. También se cubren los polisacáridos como el almidón y sus componentes amilosa y amilopectina. Finalmente, se resumen varios métodos para el análisis qu
Este documento describe diferentes técnicas y medios de cultivo para el aislamiento y crecimiento de bacterias anaerobias. Explica que los microorganismos pueden ser aerobios estrictos, anaerobios estrictos, facultativos o microaerófilos dependiendo de su metabolismo. Además, detalla métodos como la jarra de anaerobiosis y medios como la leche-hierro para crear condiciones anaerobias necesarias. Finalmente, compara el crecimiento de Clostridium sp., E. coli y B. subtilis en medi
Este documento describe la electroforesis en geles de poliacrilamida unidimensional. Se utiliza para la purificación, análisis y caracterización de proteínas. También permite determinar la masa relativa de una proteína, verificar su concentración, detectar modificaciones y expresión global de proteínas. Explica conceptos como el punto isoeléctrico, aminoácidos como electrolitos y la migración de partículas cargadas en un campo eléctrico. Además, cubre temas como la preparación de muestras
Este documento describe un laboratorio sobre la determinación de biomasa mediante diferentes métodos como peso húmedo, peso seco y turbidimetría. El objetivo es determinar la concentración de biomasa usando estos métodos y comparar su efectividad. Se toman muestras de levadura de pan y se miden sus pesos húmedo y seco, también se realizan diluciones y se miden sus absorbancias. Los resultados se usan para graficar absorbancia contra peso húmedo, peso seco y conteo celular y así hallar factores de
aislamiento y cultivo de Hongos filamentosos y levadurasIPN
Este documento describe los métodos para aislar, cultivar y caracterizar morfológicamente hongos y levaduras a partir de una muestra de suelo. Explica la importancia de los hongos, su morfología macro y microscópica, modos de reproducción y resultados obtenidos al aislar cuatro géneros de hongos y dos especies de levaduras de la muestra. Concluye que el suelo contiene una gran variedad de hongos y que las características morfológicas son útiles para su identificación.
Este documento describe un experimento para determinar los niveles de proteína en diferentes muestras de leche. Los resultados mostraron que las muestras de Mansiche y Monserrate tenían menos del 2.5% de proteínas y por lo tanto eran de mala calidad y estaban adulteradas. La muestra de Gloria tenía los niveles más altos de proteína y caseína y se consideró de buena calidad. El documento también discute los métodos analíticos para medir los niveles de proteína en la leche y la importancia de la prote
Este documento presenta una serie de problemas de genética resueltos para apoyar el aprendizaje autónomo de estudiantes. Incluye 7 problemas que abarcan temas de genética mendeliana como cruces monohíbridas y dihíbridas, interacción génica y herencia ligada al sexo. Cada problema contiene la descripción de una cruza genética, los genotipos de los progenitores y la descendencia, y las proporciones fenotípicas y genotípicas esperadas. El documento provee una guía pr
Este documento describe un protocolo para la extracción de ADN de sangre periférica utilizando el método CTAB. El protocolo implica la lisis celular y nuclear, precipitación de proteínas y ADN, y posterior purificación e hidratación del ADN aislado. El objetivo era extraer ADN de una muestra de sangre y comprender el proceso de aislamiento de ácidos nucleicos. Al aplicar el método, se observó la transformación del pellet y la obtención final de ADN en forma de grumos blanquecinos.
Este documento proporciona una introducción a la electroforesis. Define la electroforesis como la migración de solutos iónicos bajo la influencia de un campo eléctrico. Explica que las partículas migran hacia el cátodo o ánodo dependiendo de su carga, peso molecular y estructura. También resume los diferentes tipos de electroforesis como la electroforesis de límite móvil, zonal e isoelectroenfoque. Además, describe los diferentes medios de electroforesis como el papel, gel, capilar y otros. Finalmente, ident
Trabajo de parasitología clínica donde se exponen las características generales de la Toxocariosis. Al final del mismo se hace una revisión bibliográfica de interés acerca del impacto de dicha zoonosis en Nicaragua y el mundo. Se resaltan los eslabones de la cadena epidemiológica y los mecanismos de daño del parasito. Se toman de referencia los libros de parasitología de Werner y Becerril.
Este documento describe diferentes técnicas instrumentales básicas como la electroforesis y el Western blot. Explica el fundamento físico-químico de la electroforesis y los factores que afectan a la misma. Luego describe los diferentes tipos de electroforesis como la electroforesis de ácidos nucleicos, electroforesis de proteínas no desnaturalizante, isoeléctroenfoque y electroforesis bidimensional. Finalmente, explica conceptos como el punto isoeléctrico y cómo se separan las proteínas en estas diferentes técnicas.
Este documento presenta conceptos básicos sobre probabilidad, incluyendo diferentes enfoques para determinar la probabilidad de ocurrencia de eventos aleatorios como el enfoque clásico, el enfoque frecuentista y el enfoque axiomático. También describe cómo calcular probabilidades utilizando conceptos como eventos mutuamente excluyentes, eventos no mutuamente excluyentes, probabilidad conjunta, probabilidad condicional e independencia de eventos.
El documento introduce conceptos básicos de probabilidad como experimentos aleatorios, sucesos, espacio muestral y axiomas. Explica que la probabilidad mide las opciones de que ocurra un resultado en situaciones de incertidumbre y puede definirse de forma clásica o frecuencial. También presenta conceptos como probabilidad condicionada y teoremas como el de Bernouilli.
Este informe presenta los resultados de un experimento para determinar la curva espectral y la ley de Beer para el permanganato de potasio. Se graficaron las curvas espectrales y de calibración, determinando las longitudes de onda máximas de absorción. La constante de absorción molar del permanganato fue calculada aplicando la ley de Beer, y se realizaron cálculos estadísticos para validar la linealidad de la curva de calibración.
El documento trata sobre problemas de genética. Explica que los individuos que manifiestan un carácter recesivo son homocigotos para ese carácter. También analiza casos de herencia de caracteres como la acondroplasia y el color de la lana en borregos, determinando los genotipos de los progenitores. Finalmente, prevé las proporciones fenotípicas esperadas en la descendencia de cruces entre diferentes líneas de gallinas.
La potenciometría es una técnica electroanalítica que permite determinar la concentración de especies electroactivas midiendo diferencias de potencial eléctrico. Se compone de un electrodo de referencia, un electrodo indicador y un dispositivo de medición. Mide voltajes de forma continua para detectar y cuantificar analitos como protones. La ecuación de Nernst relaciona el potencial eléctrico con la actividad de la especie.
Microbiologia observacion microscopica y medios de cultivo y aislamiento bact...University of Antofagasta
Este documento presenta información sobre diferentes tipos de microorganismos, incluyendo su forma, tinción de Gram, agrupación y ejemplos de patologías asociadas. Describe características morfológicas y de tinción de gram de cocos, bacilos y levaduras. También incluye información sobre pruebas para identificar factores de virulencia como la coagulasa y DNAsa.
La espectroscopia de emisión atómica requiere atomizar las muestras para descomponerlas en partículas elementales gaseosas. Existen dos tipos de atomizadores, continuos y discretos. Los espectros atómicos pueden ser de emisión, absorción o fluorescencia. La espectroscopia de emisión y absorción atómica se usan para análisis cualitativo y cuantitativo de elementos en muestras geológicas, biológicas y otras, aunque las muestras orgánic
Este documento presenta nueve problemas de probabilidad discreta. Cada problema describe una situación y pregunta por la probabilidad de ciertos eventos dados los parámetros de la distribución de probabilidad subyacente. Se resuelven los problemas aplicando conceptos como la distribución binomial, el valor esperado, la varianza y el cálculo de probabilidades para eventos compuestos.
El almidón es una macromolécula compuesta de amilasa y amilopectina que proporciona energía y es el glucido de reserva de la mayoría de vegetales. Se encuentra en muchos productos de panadería y repostería. La prueba de yodo permite detectar la presencia de almidón al formarse un color púrpura en la reacción entre el almidón y el yodo, y se puede usar en alimentos como patatas, pan y algunas frutas y cereales.
Este documento proporciona una introducción a los carbohidratos, incluyendo su clasificación, estructura y análisis. Se explica que los carbohidratos son polihidroxi aldehídos o cetonas que incluyen monosacáridos como la glucosa y fructosa, y disacáridos como la sacarosa, lactosa y maltosa. También se cubren los polisacáridos como el almidón y sus componentes amilosa y amilopectina. Finalmente, se resumen varios métodos para el análisis qu
Este documento describe diferentes técnicas y medios de cultivo para el aislamiento y crecimiento de bacterias anaerobias. Explica que los microorganismos pueden ser aerobios estrictos, anaerobios estrictos, facultativos o microaerófilos dependiendo de su metabolismo. Además, detalla métodos como la jarra de anaerobiosis y medios como la leche-hierro para crear condiciones anaerobias necesarias. Finalmente, compara el crecimiento de Clostridium sp., E. coli y B. subtilis en medi
Este documento describe la electroforesis en geles de poliacrilamida unidimensional. Se utiliza para la purificación, análisis y caracterización de proteínas. También permite determinar la masa relativa de una proteína, verificar su concentración, detectar modificaciones y expresión global de proteínas. Explica conceptos como el punto isoeléctrico, aminoácidos como electrolitos y la migración de partículas cargadas en un campo eléctrico. Además, cubre temas como la preparación de muestras
Este documento describe un laboratorio sobre la determinación de biomasa mediante diferentes métodos como peso húmedo, peso seco y turbidimetría. El objetivo es determinar la concentración de biomasa usando estos métodos y comparar su efectividad. Se toman muestras de levadura de pan y se miden sus pesos húmedo y seco, también se realizan diluciones y se miden sus absorbancias. Los resultados se usan para graficar absorbancia contra peso húmedo, peso seco y conteo celular y así hallar factores de
aislamiento y cultivo de Hongos filamentosos y levadurasIPN
Este documento describe los métodos para aislar, cultivar y caracterizar morfológicamente hongos y levaduras a partir de una muestra de suelo. Explica la importancia de los hongos, su morfología macro y microscópica, modos de reproducción y resultados obtenidos al aislar cuatro géneros de hongos y dos especies de levaduras de la muestra. Concluye que el suelo contiene una gran variedad de hongos y que las características morfológicas son útiles para su identificación.
Este documento describe un experimento para determinar los niveles de proteína en diferentes muestras de leche. Los resultados mostraron que las muestras de Mansiche y Monserrate tenían menos del 2.5% de proteínas y por lo tanto eran de mala calidad y estaban adulteradas. La muestra de Gloria tenía los niveles más altos de proteína y caseína y se consideró de buena calidad. El documento también discute los métodos analíticos para medir los niveles de proteína en la leche y la importancia de la prote
Este documento presenta una serie de problemas de genética resueltos para apoyar el aprendizaje autónomo de estudiantes. Incluye 7 problemas que abarcan temas de genética mendeliana como cruces monohíbridas y dihíbridas, interacción génica y herencia ligada al sexo. Cada problema contiene la descripción de una cruza genética, los genotipos de los progenitores y la descendencia, y las proporciones fenotípicas y genotípicas esperadas. El documento provee una guía pr
Este documento describe un protocolo para la extracción de ADN de sangre periférica utilizando el método CTAB. El protocolo implica la lisis celular y nuclear, precipitación de proteínas y ADN, y posterior purificación e hidratación del ADN aislado. El objetivo era extraer ADN de una muestra de sangre y comprender el proceso de aislamiento de ácidos nucleicos. Al aplicar el método, se observó la transformación del pellet y la obtención final de ADN en forma de grumos blanquecinos.
Este documento proporciona una introducción a la electroforesis. Define la electroforesis como la migración de solutos iónicos bajo la influencia de un campo eléctrico. Explica que las partículas migran hacia el cátodo o ánodo dependiendo de su carga, peso molecular y estructura. También resume los diferentes tipos de electroforesis como la electroforesis de límite móvil, zonal e isoelectroenfoque. Además, describe los diferentes medios de electroforesis como el papel, gel, capilar y otros. Finalmente, ident
Trabajo de parasitología clínica donde se exponen las características generales de la Toxocariosis. Al final del mismo se hace una revisión bibliográfica de interés acerca del impacto de dicha zoonosis en Nicaragua y el mundo. Se resaltan los eslabones de la cadena epidemiológica y los mecanismos de daño del parasito. Se toman de referencia los libros de parasitología de Werner y Becerril.
Este documento describe diferentes técnicas instrumentales básicas como la electroforesis y el Western blot. Explica el fundamento físico-químico de la electroforesis y los factores que afectan a la misma. Luego describe los diferentes tipos de electroforesis como la electroforesis de ácidos nucleicos, electroforesis de proteínas no desnaturalizante, isoeléctroenfoque y electroforesis bidimensional. Finalmente, explica conceptos como el punto isoeléctrico y cómo se separan las proteínas en estas diferentes técnicas.
Este documento presenta conceptos básicos sobre probabilidad, incluyendo diferentes enfoques para determinar la probabilidad de ocurrencia de eventos aleatorios como el enfoque clásico, el enfoque frecuentista y el enfoque axiomático. También describe cómo calcular probabilidades utilizando conceptos como eventos mutuamente excluyentes, eventos no mutuamente excluyentes, probabilidad conjunta, probabilidad condicional e independencia de eventos.
El documento introduce conceptos básicos de probabilidad como experimentos aleatorios, sucesos, espacio muestral y axiomas. Explica que la probabilidad mide las opciones de que ocurra un resultado en situaciones de incertidumbre y puede definirse de forma clásica o frecuencial. También presenta conceptos como probabilidad condicionada y teoremas como el de Bernouilli.
1) El documento describe varias distribuciones discretas como la distribución de Bernouilli, binomial, Poisson y hipergeométrica. 2) Explica que las distribuciones discretas son aquellas donde la variable puede tomar valores numerables y provee ejemplos. 3) Provee detalles sobre cada distribución, incluyendo sus fórmulas y ejemplos numéricos.
1) El documento trata sobre distribuciones discretas como la binomial, Poisson y multivariante. 2) Explica que las distribuciones discretas son aquellas donde la variable puede tomar un número determinado de valores. 3) Detalla los modelos matemáticos de las distribuciones de Bernoulli, binomial, hipergeométrica y Poisson que representan fenómenos discretos.
El documento habla sobre la incertidumbre y diferentes teorías para manejarla como la probabilidad clásica, bayesiana y de confusión. Explica tipos de error como ambiguos, incompletos e imprecisos y cómo afectan la incertidumbre. También cubre inducción y deducción inválidas, probabilidades experimentales, subjetivas y condicionales, y cómo el teorema de Bayes puede usar evidencia para actualizar probabilidades previas.
Este documento presenta los conceptos básicos de la probabilidad, incluyendo las propiedades, enfoques (clásico, de frecuencia relativa y subjetivo) y cálculos (simple y conjunta) de la probabilidad. Explica cómo calcular la probabilidad de eventos usando fórmulas, conteos y leyes relacionadas. También incluye referencias bibliográficas y páginas web sobre el tema.
Este documento presenta conceptos básicos sobre probabilidad. Explica que la probabilidad puede ser frecuentista u objetiva, basada en la frecuencia relativa de un suceso, o subjetiva u bayesiana, basada en el grado de certeza sobre un suceso. Luego introduce conceptos como sucesos, espacio muestral, probabilidad condicionada e independencia de sucesos, y reglas para calcular probabilidades como la probabilidad total. Finalmente presenta ejemplos para ilustrar estos conceptos en contextos médicos.
El documento presenta una introducción a la teoría de la probabilidad. Explica que la probabilidad se define como la proporción de casos favorables entre el total de casos posibles. Describe los tres tipos de espacios muestrales (finito, infinito numerable, continuo) y define sucesos y probabilidad clásica y frecuentista. Finalmente, introduce la probabilidad condicionada al proveer información adicional sobre el experimento.
Este documento presenta información sobre probabilidades y su aplicación en la vida diaria. Brevemente describe conceptos clave como espacio muestral, eventos, probabilidades matemáticas y experimentales, y el teorema de Bayes. También ofrece ejemplos de cómo las personas usan probabilidades en deportes, juegos, seguros, pronósticos del tiempo y más. Finalmente, incluye ejercicios para aplicar estos conceptos.
El documento trata sobre conceptos básicos de probabilidad y estadística. Explica que un evento estadístico es un subconjunto de resultados posibles en un experimento aleatorio. Luego describe los tipos de eventos como eventos simples y complejos, y la relación entre el espacio muestral y los eventos. Finalmente, resume tres enfoques para estimar probabilidades: frecuencia relativa, clásico y subjetivo.
Este documento presenta una introducción a los modelos de probabilidad y distribuciones de probabilidad, incluyendo distribuciones discretas como la de Bernoulli y binomial, y distribuciones continuas como la normal. Explica conceptos clave como experimentos aleatorios, variables aleatorias, parámetros de distribución, y cómo los modelos de probabilidad permiten representar fenómenos reales de manera simplificada mediante afirmaciones probabilísticas. También incluye ejemplos para ilustrar diferentes tipos de experimentos y distribuciones.
1. Se describen diferentes tipos de fenómenos: determinísticos, donde el resultado es siempre el mismo bajo las mismas condiciones iniciales, y aleatorios, donde el resultado puede variar.
2. La probabilidad de un suceso es un número entre 0 y 1 que indica las posibilidades de que ocurra en un experimento aleatorio. Existen diferentes formas de calcular la probabilidad, como la frecuencial basada en resultados pasados o la clásica basada en el número de resultados posibles.
3. La probabilidad axiomática se define con respecto a un espacio
El documento trata sobre la probabilidad. Explica que la probabilidad mide la frecuencia con la que ocurre un resultado al realizar un experimento aleatorio bajo condiciones estables. Describe los conceptos de probabilidad clásica, empírica y subjetiva, así como la inferencia estadística y los diagramas de árbol para representar resultados probabilísticos.
Este documento presenta una introducción al estudio de las probabilidades como parte de un curso de estadística aplicada a las ciencias de la salud. Explica la importancia de entender las probabilidades para el proceso de toma de decisiones médicas, ya que la medicina involucra incertidumbre. Luego define conceptos básicos como experimento aleatorio, evento, espacio muestral y probabilidad clásica, de frecuencia relativa y subjetiva. Finalmente introduce temas como probabilidad condicional, reglas de multiplicación y adición, y variables aleatorias
Este documento presenta un resumen sobre probabilidad y conceptos estadísticos relevantes para el curso de Bioestadística. Explica las definiciones de probabilidad frecuentista y bayesiana, los conceptos de sucesos, probabilidad condicionada e independencia de sucesos. También introduce el teorema de la probabilidad total y de Bayes, y cómo se aplican estas nociones a pruebas diagnósticas médicas.
El documento explica los conceptos básicos de probabilidad y dos métodos para calcularla: la regla de Laplace, que se aplica cuando el número de resultados posibles es finito y todos tienen la misma probabilidad, y el modelo frecuentista, que se basa en repetir el experimento muchas veces para estimar las probabilidades empíricamente.
Este documento presenta conceptos básicos de probabilidad y estadística aplicados a la investigación en nutrición. Explica los tipos de experimentos, determinísticos y aleatorios, y define experimentos aleatorios como aquellos cuyo resultado final es incierto. También define conceptos como espacio muestral, evento, criterios para calcular la probabilidad de un evento, y teoremas básicos de probabilidad como la probabilidad condicional y la independencia de eventos. Por último, explica el teorema de Bayes y cómo se usa para evaluar prue
La teoría de la probabilidad tiene sus orígenes en juegos de azar inventados por los romanos hace 2000 años. Existen tres definiciones de probabilidad: la clásica, la frecuentista y la axiomática. La definición clásica define la probabilidad como la proporción de casos favorables sobre el total de casos posibles para espacios muestrales finitos. La definición frecuentista la define como el límite de la frecuencia relativa al repetir un experimento infinitas veces. La definición axiomática de Kolmogorov intenta superar las limitaciones de
La teoría de la probabilidad tiene sus orígenes en los juegos de azar de los romanos hace 2000 años. Se define como la proporción de casos favorables entre el total de casos posibles. Existen tres tipos de espacios muestrales: finitos, infinitos numerables y continuos. La probabilidad clásica se calcula como el número de resultados favorables dividido entre el total de resultados posibles. La probabilidad frecuentista se define como el límite de la frecuencia relativa al repetir infinitas veces el experimento. La probabilidad condicionada calcula la probabilidad de un su
Este documento describe diferentes medidas de tendencia central y dispersión estadísticas. Explica la media aritmética, la mediana y la moda como medidas de tendencia central, y cómo calcularlas para datos agrupados y no agrupados. También discute el rango como una medida de dispersión y compara la media y la mediana, recomendando cuándo usar cada una. El documento proporciona ejemplos numéricos para ilustrar los diferentes conceptos estadísticos.
Este documento introduce los conceptos básicos de la estadística descriptiva. Explica que la estadística estudia la recolección, análisis e interpretación de datos para explicar patrones en fenómenos aleatorios. Discute las ramas de la estadística, variables, escalas de medición, presentación de datos en tablas y gráficos, y usos comunes de la estadística.
Este documento introduce la bioestadística, su historia y ramas. La bioestadística proviene del griego y se desarrolló inicialmente para registrar características de interés para gobernantes. Muchas teorías biológicas como las de Mendel y Darwin tuvieron bases estadísticas. Actualmente, la bioestadística se usa ampliamente junto con computadoras para todo tipo de investigación. Algunas ramas de la estadística son descriptiva, probabilidad e inferencia. La estadística se aplica en
Este documento presenta una introducción al estudio de la migración interna e internacional. Define la migración y describe diferentes tipos como la migración temporal, definitiva, interna e internacional. Explica indicadores comunes para estudiar la migración como tasas de emigración e inmigración y ofrece un ejemplo de Panamá. Finalmente, discute causas y consecuencias de la migración.
Este documento describe los componentes y medición del cambio demográfico. Explica los diferentes tipos de crecimiento de la población (natural, mecánico y neto), y cómo se calculan utilizando tasas e indicadores como natalidad, mortalidad e inmigración/emigración. También presenta modelos matemáticos como el aritmético, geométrico y exponencial para proyectar el crecimiento de la población basado en tasas pasadas.
Este documento presenta una introducción a la demografía. Define conceptos demográficos clave como natalidad, mortalidad e inmigración. Explica las fuentes de datos demográficos como censos y registros vitales, y señala posibles errores en las estadísticas demográficas. El objetivo es proporcionar una visión general de la demografía como ciencia y de sus métodos para el análisis de poblaciones.
La Unidad Eudista de Espiritualidad se complace en poner a su disposición el siguiente Triduo Eudista, que tiene como propósito ofrecer tres breves meditaciones sobre Jesucristo Sumo y Eterno Sacerdote, el Sagrado Corazón de Jesús y el Inmaculado Corazón de María. En cada día encuentran una oración inicial, una meditación y una oración final.
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLMJuan Martín Martín
Examen de Selectividad de la EvAU de Geografía de junio de 2023 en Castilla La Mancha. UCLM . (Convocatoria ordinaria)
Más información en el Blog de Geografía de Juan Martín Martín
http://blogdegeografiadejuan.blogspot.com/
Este documento presenta un examen de geografía para el Acceso a la universidad (EVAU). Consta de cuatro secciones. La primera sección ofrece tres ejercicios prácticos sobre paisajes, mapas o hábitats. La segunda sección contiene preguntas teóricas sobre unidades de relieve, transporte o demografía. La tercera sección pide definir conceptos geográficos. La cuarta sección implica identificar elementos geográficos en un mapa. El examen evalúa conocimientos fundamentales de geografía.
LA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJEjecgjv
La Pedagogía Autogestionaria es un enfoque educativo que busca transformar la educación mediante la participación directa de estudiantes, profesores y padres en la gestión de todas las esferas de la vida escolar.
1. Probabilidad y Distribuciones de
Probabilidad
Por: Prof. Elena Coba
Para el Curso Est. 108
Medicina Veterinaria
Facultad de Medicina Veterinaria
Universidad de Panamá
2. Cuando realizamos un
experimento, diremos que es:
• Determinista: dadas unas
condiciones iniciales, el
resultado es siempre el
mismo. Ejemplo: calentar agua
a 100 °C, soltar un objeto
• Aleatorio: dadas unas
condiciones iniciales,
conocemos el conjunto
de resultados posibles,
pero NO el resultado final.
Ejemplo: lanzar un dado,
resultado de un partido,
SUCESOS DETERMINISTAS Y ALEATORIOS
3. Conceptos Básicos de Probabilidad: experimento aleatorio
Un experimento es aleatorio si se verifica las siguientes condiciones:
se puede repetir indefinidamente, siempre en las mismas
condiciones,
no se puede predecir el resultado que se va a obtener,
el resultado que se obtenga pertenece a un conjunto conocido
previamente de resultados posibles, denominado “espacio muestral”
y se denota por S ó Ω. Los espacios muestrales pueden ser finitos o
infinitos.
4. Probabilidad, es la posibilidad o la oportunidad de que
ocurra un evento o suceso específico.-
La probabilidad es una proporción o fracción
cuyo valor se encuentra entre 0 y 1
inclusive.-
Se la explica siempre en %.-
La probabilidad
es 0 cuando el
evento nunca va
a ocurrir.-
La probabilidad es 1 cuando
el evento ocurrirá con
seguridad.-
El término Probabilidad se refiere al estudio de la aleatoriedad y la
incertidumbre.-
5. Teoría de la probabilidad
La teoría de la probabilidad es una teoría matemática axiomatizada, sobre la
cual existe un amplio consenso.
La formulación usual de la teoría de la probabilidad se hace en el lenguaje de
la teoría de conjuntos.
El dominio de la teoría es un conjunto no vacío de elementos cualesquiera,
habitualmente simbolizado como .
La probabilidad es una función que asigna números reales a los
subconjuntos de .
6. CONCEPTO DE PROBABILIDAD
A
A’
Complemento
A B
Mutuamente excluyentes
A B
No mutuamente excluyentes
0.3
0.5 0.1
0.1
A B C
0.02 0.94 0.04
Colectivamente Exhaustivo
El objetivo de la PROBABILIDAD es medir la certidumbre(o incertidumbre) de que
ocurran determinados sucesos
7. Probabilidad
clásica o a
priori o de
Laplace
Probabilidad
subjetiva
Probabilidad
empírica o
probabilidad
frecuencial
Se estudian diferentes enfoques para
determinar la probabilidad de ocurrencia
de ciertos fenómenos aleatorios
Axiomas
8. Enfoque clásico o a priori
•Este enfoque permite determinar valores de probabilidad antes de ser observado el experimento por
lo que se le denomina enfoque a priori. Asigna probabilidades basadas en la suposición de
resultados igualmente probables.
•El enfoque clásico es aplicado cuando todos los resultados son igualmente probables y no pueden
ocurrir al mismo tiempo. (Monedas, dados, naipes, etc.).
•Si un experimento tiene n resultados posibles, este método asignará una probabilidad de1/n para
cada resultado (Regla de Laplace, 1811).
Si queremos conocer la probabilidad del evento A según este enfoque debemos calcular el siguiente
cociente:
)S(N
)A(N
)A(P
Donde:
N(A): resultados elementales posibles son favorables en el evento A
N(S): posibles resultados en el espacio muestral
Ejemplo
Experimento: Rodar un del dado
Espacio muestral: S = {1, 2, 3, 4, 5, 6}
Probabilidades: Cada punto de la muestra tiene una
probabilidad de ocurrir de 1/6.
9. Enfoque frecuentista (Richard Von Mises (1883-1953)
•Este enfoque permite determinar la probabilidad con base en la proporción de veces que ocurre un
resultado favorable en cierto número de experimentos. Asigna probabilidades basadas en
experimentación o datos históricos.
•No implica ningún supuesto previo de igualdad de probabilidades.
•A este enfoque se le denomina también enfoque empírico debido a que para determinar los
valores de probabilidad se requiere de la observación y de la recopilación de datos.
•También se le denomina a posteriori, ya que el resultado se obtiene después de realizar el
experimento un cierto número de veces.
•Si queremos conocer la probabilidad del evento A según este enfoque debemos calcular el
siguiente cociente:
n
)A(n
muestraladeTamaño
AdenesobservaciodeNúmero
)A(P
10. Ejemplo
Para la asignación de probabilidades es el más conveniente cuando existen datos para estimar la
proporción de veces que se presentarán los resultados si el experimento se repite muchas veces.
Considere, por ejemplo un estudio sobre los tiempos de espera en el departamento de rayos x de un
hospital pequeño. Durante 20 días sucesivos un empleado registra el número de personas que están
esperando el servicio a las 9:00 a.m.; los resultados son los siguientes.
En estos datos aparece que 2 de los 20 días, había cero pacientes esperando el servicio, 5 días había un paciente
en espera y así sucesivamente. Con el método de la frecuencia relativa, la probabilidad que se le asignará al
resultado experimental cero pacientes esperan el servicio, será 2/20 = 0.10; al resultado experimental un paciente
espera el servicio (5/20 = 0.25); 6/20 = 0.30 a dos pacientes esperan el servicio; 4/20 = 0.20, a tres pacientes
esperan el servicio, y 3/20 = 0.15 a cuatro pacientes esperan el servicio.
Número de personas que esperan Número de días: Resultados de
ocurrencia
0 2
1 5
2 6
3 4
4 3
Total 20
11. Enfoque axiomatico
En matemáticas un axioma no es necesariamente una verdad evidente, sino
una expresión lógica utilizada en una deducción para llegar a una
conclusión. De tal manera que se llama probabilidad (definida por
(Kolmogorov, 1933, en el siglo XX) a cualquier función P que asigna a
cada suceso A un valor númerico P(A) y que verifica las siguientes reglas
(axiomas):
•Axioma 1: La probabilidad P(A) de cualquier evento no debe ser menor que
cero ni mayor que uno. 0 ≤ P(A) ≤ 1. Si estamos seguros de que algo
puede ocurrir o no, podemos asignar al evento la probabilidad de 1 ó
0, según el caso.
•Axioma 2: P(S) = 1. Probabilidad del espacio muestral
•Axioma 3: Si A y B son dos eventos mutuamente exclusivos, por lo que A∩B
=Ø entonces P(AUB) = P(A) + P(B)
12. Enfoque subjetivo. (Finetti, 1975; French, 1986)
Asigna probabilidades basadas en el juicio de quién asigna o en base a cualquier información disponible.
Es apropiada para asignar probabilidad cuando se da un experimento en donde no se puede aplicar
ninguno de los enfoques vistos, y asignamos probabilidad en base al conocimiento del hecho que
tenemos.
Por ejemplo: la probabilidad de que mañana llueva es del 70%.
13. CLASIFICACION DE EVENTOS Y REGLAS QUE SE UTILIZAN PARA EL CALCULO DE
PROBABILIDAD
DOS EVENTOS A Y B
Mutuamente excluyentes
P(AB) = 0
P(A B) = P(A) + P(B)
No mutuamente excluyentes
P(A B) = P(A) + P(B) - P(AB)
Independientes
P(AB) = P(A) P(B)
Dependientes
P(AB) = P(A) P(B/A)
P(AB) = P(B) P(A/B))
Regla Aditiva
Regla Aditiva
Regla
multiplicativa
Cuatro tipos de probabilidad
Marginal Unión Conjunta Condicional
P X Y( )P X( ) P X Y( ) P X Y( | )
La probabilidad
de que ocurra
X
La probabilidad
de que ocurra
X o Y
La probabilidad
de que ocurra
X y Y
La probabilidad
de que ocurra X
Sabiendo que
ha ocurrido Y
X YX YX
Y
14. Recuento
189 280 469
108 359 467
6 58 64
303 697 1000
NORMAL
OSTEOPENIA
OSTEOPOROSIS
CLASIFICACION
OMS
Total
NO SI
MENOPAUSIA
Total
Ejemplo (I)
• Se ha repetido en 1000 ocasiones el experimento de elegir a una mujer de
una población muy grande. El resultado está en la tabla.
• ¿Cuál es la probabilidad de que una mujer tenga osteoporosis?
• P(Osteoporosis)=64/1000=0,064=6,4%
• Noción frecuentista de probabilidad, a esta probabilidad también se le conoce
como marginal
• ¿Cuál es la probabilidad de que una mujer no tenga
osteoporosis?
• P(No Osteoporosis)=1-P(Osteoporsis)=1-64/1000=0,936=93,6%
Para calcular esta probabilidad nos valemos del concepto de
complemento
15. Recuento
189 280 469
108 359 467
6 58 64
303 697 1000
NORMAL
OSTEOPENIA
OSTEOPOROSIS
CLASIFICACION
OMS
Total
NO SI
MENOPAUSIA
Total
Ejemplo (II)
• ¿Probabilidad de tener osteopenia u osteoporosis?
• P(OsteopeniaUOsteoporosis)=P(Osteopenia)+P(Osteoporosis)-
P(Osteopenia∩Osteoporosis)=467/1000+64/1000=0,531
• Son sucesos disjuntos, o sea excluyentes
• Osteopenia ∩ Osteoporosis=Ø
• Concepto de Regla aditiva
• ¿Probabilidad de tener osteoporosis o menopausia?
• P(OsteoporosisUMenopausia)=P(Osteoporosis)+P(Menopausia)-P(Osteoporosis ∩
Menopausia)=64/1000+697/1000-58/1000=0,703
• No son sucesos disjuntos, existe la intercepción entre ellos
• De igual manera. Para calcular esta probabilidad nos valemos del concepto Regla aditiva
• ¿Probabilidad de una mujer normal?
• P(Normal)=469/1000=0,469
• P(Normal)=1-P(Normal’)=1-P(OsteopeniaUOsteoporosis) =1-0,531=0,469
• Para calcular esta probabilidad nos valemos del concepto de probabilidad complementaria
16. Probabilidad Condicional
Como su nombre lo indica se trata de determinar la probabilidad de que ocurra un evento A
(aposteriori) dado que ya aconteció un evento B (apriori), y se representa mediante P(A/B), se
lee probabilidad de A dado B o probabilidad de A condicionada a B.
Sean A, B dos sucesos tal que P(B) > 0. La probabilidad de A condicionada a la ocurrencia de B,
denotada como P(A/B)
No confundir probabilidad condicionada con intersección.
En ambos se mide efectivamente la intersección, pero…
En P(A∩B), intersección con respecto a P(S)=1
En P(A|B) , intersección con respecto a P(B)
“tamaño” de uno con
respecto al otro A
S espacio muestral
B
P(A/B) = P(AB)
P(B)
17. Ejemplo (III)
• Si es menopáusica… ¿probabilidad de osteoporosis?
• P(Osteoporosis|Menopausia)=58/697=0,098
• Probabilidad Condicional
• ¿Probabilidad de menopausia y osteoporosis?
• P(Menop ∩ Osteoporosis) = 58/1000=0,058
• Probabilidad conjunta
• Otra forma:
Recuento
189 280 469
108 359 467
6 58 64
303 697 1000
NORMAL
OSTEOPENIA
OSTEOPOROSIS
CLASIFICACION
OMS
Total
NO SI
MENOPAUSIA
Total
058,01000/58
697
58
1000
697
)|()()(
MenopisOsteoporosPMenopPisOsteoporosMenopP
18. Ejemplo (III)
• Si tiene osteoporosis… ¿probabilidad de menopausia?
• P(Menopausia|Osteoporosis)=58/64=0,906
• ¿Probabilidad de menopausia y no osteoporosis?
• P(Menop ∩ No Osteoporosis) = 639/1000=0,639
• Si tiene no tiene osteoporosis… ¿probabilidad de no menopausia?
• P(No Menopausia|NoOsteoporosis)=297/936=0,317
Recuento
189 280 469
108 359 467
6 58 64
303 697 1000
NORMAL
OSTEOPENIA
OSTEOPOROSIS
CLASIFICACION
OMS
Total
NO SI
MENOPAUSIA
Total
19. Ejemplo (IV)
• ¿Son independientes menopausia y osteoporosis?
• Una forma de hacerlo
• P(Osteoporosis)=64/1000=0,064
• P(Osteoporosis|Menopausia)=58/697=0,098
• La probabilidad de tener osteoporosis es mayor si ha pasado la menopausia. Añade información extra. ¡No son
independientes!
• ¿Otra forma?
• P(Menop ∩ Osteoporosis) = 58/1000 = 0,058
• P(Menop) P(Osteoporosis)= (697/1000) x (64/1000) = 0,045
• La probabilidad de la intersección no es el producto de probabilidades. No son independientes.
Recuento
189 280 469
108 359 467
6 58 64
303 697 1000
NORMAL
OSTEOPENIA
OSTEOPOROSIS
CLASIFICACION
OMS
Total
NO SI
MENOPAUSIA
Total
Independencia de sucesos
• Dos sucesos son independientes si el que ocurra uno, no añade información sobre
el otro.
• A es independiente de B
P(A|B) = P(A)
P(AB) = P(A) P(B)
20. EJEMPLO DE CALCULO DE PROBABILIDADES UTILIZANDO
TABLAS DE PROBABILIDAD
El Colegio de Ingenieros tiene los siguientes datos sobre la edad y
el estado civil de sus 140 socios.
EDAD
ESTADO CIVIL
TOTALS.- soltero C.- casado
A.- menos
de
30 años
77 14 91
B.- 30 años
o más 28 21 49
TOTAL 105 35 140
21. EJEMPLO DE CALCULO DE PROBABILIDADES UTILIZANDO TABLAS DE
PROBABILIDAD
Se decide seleccionar un socio al azar:
a) Aplique las probabilidades marginales para comentar sobre la edad de los
socios del Colegio.
b) Aplique las probabilidades marginales para comentar sobre el estado civil de
los socios del Colegio.
c) ¿Cuál es la probabilidad de que sea soltero y tenga menos de 30 años?.
d) Si un socio tiene menos de 30 años.- ¿Cuál es la probabilidad de que sea
soltero?.
e) El estado civil de los socios, ¿es independiente de su edad?.- Explique
aplicando probabilidad.
Solución
22. SOLUCIÓN
a) P (A) = 91/140 = 0,65 65 %
P (B) = 49/140 = 0,35 35 %
Hay mayor probabilidad de que al elegir un socio al azar por edad este se
menor de 30 años.
b) P (S) = 105/140 = 0,75 75%
P (C) = 35 / 140 = 0,25 25%
Hay mayor probabilidad de que al elegir un socio al azar por estado civil este
sea soltero.
c) ¿Cuál es la probabilidad de que sea soltero y tenga menos de 30 años?.
Calculado por probabilidad conjunta será:
P (S ∩ A) = 77 / 140 = 0,55 55 %.
Calculado por regla de la multiplicación será:
P (S ⋂ A) = P (A) P( S/A) = 91/140 * 77/91 = 77/140 = 0,55 55 %.
o también
P (S ⋂ A) = P (S) P (A/S) = 105/140 * 77/ 105 = 77/140 = 0,55 55 %
23. SOLUCIÓN
d) Si un socio tiene menos de 30 años.- ¿Cuál es la probabilidad de que sea soltero?.
P (S / A) por definición será:
Por espacio muestral reducido, el calculo sería:
e) Para demostrar que Estado Civil y Edad son eventos independientes se tiene que cumplir
la igualdad,
P ( S ∩ A) = P (S) * P (A)
Luego:
P (S ∩ A) = 77 / 140 = 0,55 ⇒ 55 %
P (S) * P (A) = 105/140 * 91/ 140 = 9555/19600 = 0, 4875 ⇒ 49 %.
Luego P ( S ∩ A) ≠ P (S) * P (A)
Entonces S y A no son independientes.
%858462.0
91
77
140
91
140
77
)(
)(
)|(
AP
ASP
ASP
%858462.0
91
77
)|( ASP
24. Supongamos que A1, A2, ... ,An son una partición de E,
es decir que los sucesos son mútuamente excluyentes entre sí (AiAj= para
todo par) y su unión es E entonces:
)()|()(
1
i
n
i
i APABPBP
La ley de probabilidad total
)()(
1
n
i
iABPBPA1 A2
A3 A4
B
25. Ejemplo: En una aula el 70% de los alumnos son hombres. De ellos el 10% son fumadores.
El 20% de las mujeres son fumadoras. ¿Qué porcentaje de fumadores hay en total?
Podemos aplicar la ley de
la probabilidad total:
Hombres y mujeres forman
un sistema exhaustivo y
excluyente de sucesos.
Mujeres
Hombres
Fumadores P(F) = P(F∩H) + P(F∩M) = P(F|H) P(H) + P(F|M) P(M)
= 0,1 · 0,7 + 0,2 · 0,3 = 0,13
Estudiante
Hombre
No fuma
Fuma
No fuma
Fuma
0,7
0,1
0,2
0,3
0,8
0,9
Mujer
26. TEOREMA DE BAYES
Las leyes aditiva y multiplicativa, junto con la noción de probabilidades
condicionadas y el teorema de las probabilidades totales se han empleado para
desarrollar el llamado Teorema de Bayes, de indudable interés en la aplicación de la
estadística en todos los campos de las ciencias. De la definición de probabilidad
condicional se puede deducir:
BP
P
BAP
ByA
o
siempre que P(A) 0 y P(B) 0. Aplicando además el teorema de las
probabilidades totales se llega a que:
APABPAPABP
APABP
BAP
APABPP
AP
P
ABP ByA
ByA
Sirve para “invertir” probabilidades condicionales, combinando información previa
con información nueva. Es aplicable cuando los eventos por los cuales queremos
calcular las probabilidades posteriores son mutuamente exclusivas y su unión es el
total del espacio muestral
Nueva
Información
Aplicación
del teorema
de Bayes’
Probabilidades
A Posteriori
Probabilidades
a priori
27. Teorema de Bayes
A1 A2
A3 A4
B
Si conocemos la probabilidad de B en
cada uno de los n componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces…
…si ocurre B, podemos calcular la
probabilidad (a posteriori) de
ocurrencia de cada Ai, (i = 1, 2, ... , n):
donde P(B) se puede calcular usando el teorema de la probabilidad total:
P(B)
)AP(B
|B)P(A i
i
)()(
1
n
i
iABPBP
28. P(M) = 0,3, P(F) = 0,13
P(M|F) = P(F ∩ M)/P(F) = P(F|M) P(M) / P(F) =
0,2·0,3 / 0,13 = 0,46
Estudiante
Hombre
No fuma
Fuma
No fuma
Fuma
0,7
0,1
0,2
0,3
0,8
0,9
Mujer
En el problema anterior: Se
elige a un individuo al azar
y resulta fumador. ¿Cuál es la
probabilidad de que sea una
mujer?
29. Ejemplo: Pruebas diagnósticas
Las pruebas o tests de diagnóstico se evalúan con anterioridad sobre
dos grupos de individuos: sanos y enfermos. De modo frecuentista se
estima:
La sensibilidad de una prueba (o síntoma) es la probabilidad de un
resultado positivo de la prueba (presencia o ausencia del síntoma)
dada la presencia de la enfermedad.
•Sensibilidad (verdaderos +) = Tasa de acierto sobre enfermos.
•Especificidad (verdaderos -) = Tasa de acierto sobre sanos.
A partir de lo anterior y usando el teorema de Bayes, podemos calcular las probabilidades a posteriori (en función de los
resultados del test) de los llamados índices predictivos:
La especificidad de una prueba (o síntoma) es la probabilidad de un
resultado negativo de 1a prueba (o ausencia del síntoma) dada la
ausencia de la enfermedad.
P(Enfermo | Test +) = Índice predictivo positivo
P(Sano | Test -) = Índice predictivo negativo
30. La diabetes afecta al 20% de los individuos que acuden a una consulta. La presencia de
glucosuria se usa como indicador de diabetes. Su sensibilidad (la tasa de aciertos sobre
enfermos) es de 0,3 y la especificidad (tasa de aciertos sobre sanos) de 0,99.
Calcular los índices predictivos (P(Enfermo | Test +) = Índice predictivo positivo y
P(Sano | Test -) = Índice predictivo negativo).
Individuo
Enfermo
Sano
T-
T+
T-
T+
0,3
1 - 0,99 = 0,01
1 - 0,3 = 0,7
0,99
0,2
1 - 0,2 = 0,8
31. 31
)(
)(
)|(
TP
TEnfP
TEnfP
Los índices predictivos son: la probabilidad de que, sabiendo que el test sea positivo, el
paciente sea diabético y la probabilidad de que, sabiendo que el test es negativo, el paciente
está sano.
Individuo
Enfermo
Sano
T-
T+
T-
T+
0,3
0,01
0,7
0,99
0,2
0,8
06,03,02,0)( TEnfP
068,001,08,03,02,0)( TP
88,0
068,0
06,0
33. Observaciones
• En el ejemplo anterior, al llegar un
individuo a la consulta tenemos una idea
a priori sobre la probabilidad de que
tenga una enfermedad.
• A continuación se le pasa una prueba
diagnóstica que nos aportará nueva
información: Presenta glucosuria o no.
• En función del resultado tenemos una
nueva idea (a posteriori) sobre la
probabilidad de que esté enfermo.
• Nuestra opinión a priori ha sido
modificada por el resultado de un
experimento.
-¿Qué probabilidad
tengo de estar
enfermo?
- En principio un 20%.
Le haremos unas
pruebas.
- Presenta glucosuria.
La probabilidad ahora
es del 88%.
34. La probabilidad de que una mujer con edad comprendida entre los 40-50 tenga cáncer de mama es
0.8%. Si una mujer tiene cáncer de mama, la probabilidad de positivo en test = 90%. Si una mujer no
tiene cáncer de mama, la probabilidad de positivo en test = 7%. Supongamos que una paciente da
positivo en un test. ¿Cuál es la probabilidad de que tenga cáncer de mama?
1000 mujeres
8: enfermas 992: no enfermas
7: positivos 1: negativo 69: positivos 923: negativos
p(enferma | positivo) = 7 / (7+69) = 0.09
0.09
enf)no|(posenf)(noenf)|(pos(enf)
enf)|(pos(enf)
pos)|(enf
0.07enf)no|(pos0.90,enf)|(pos0.992,enf)(no0.008,(enf)
PPPP
PP
P
PPPP
35. Un equipo de investigación medica pretende evaluar una prueba de detección propuesta para la enfermedad de Alzheimer. La
prueba se basa en una muestra aleatoria de 450 enfermos y en otra muestra aleatoria independiente de 500 pacientes que no
presentan síntomas de la enfermedad. Las dos muestras se obtuvieron de una población de individuos con edades de 65 años y
más. Los resultados son los siguientes:
Prueba de sensibilidad (D/T) = 436/450 = 0.97
Especificidad de la prueba 449/599 = 0.99
Probabilidad de que un individuo con prueba positiva
este enfermo de Alzheimer.
P(TID) = 436/ 450 = 0.9689, y P(TID) 5/500 = 0.01
Tasa de la enfermedad en la
población (se estima)
36. Concepto de distribución de probabilidades
Son modelos teóricos de como sería la distribución de un
fenómeno (variable), para una población completa; es decir, como
se comportaría el fenómeno, si este se realizara un número infinito
de veces.
Su utilidad radica en que, si se conoce el modelo teórico al que se
ha de adaptar un fenómeno, y varía algún factor, se podrá
comparar los resultados obtenidos en un nuevo estudio de
frecuencias y saber hasta que punto ese determinado factor influye
en el fenómeno.
38. Definición: variable de Bernouilli es aquélla cuyo espacio de muestra sólo
contiene dos resultados, éxito (p) y fracaso (1-p). Fue desarrollada por Jakob
Bernoulli (Suiza,1654-1705). Este tipo de experiencia se caracteriza por:
•Estar formada por un nº predeterminado n de experimentos iguales
•Cada uno de los experimentos es independiente de los restantes (la probabilidad del
resultado de un experimento no depende del resultado del resto)
•El resultado de cada experimento ha de admitir sólo dos categorías (a las que
denominaremos éxito y fracaso)
•Las probabilidades de ambas posibilidades ha de ser constante en todos los experimentos.
(p y q respectivamente)
•Designamos por X la variable que mide el nº de éxitos que se han producido en los n
experimentos.
Distribución: Suele representarse como B (n,p); si en n intentos se obtienen x
aciertos, la distribución de probabilidad del número de aciertos viene dada por
Parámetros de la distribución:
Media: = np
Varianza: 2 = npq
Desviación tipica: npq
n
k
n!
k! (n-k)!
n=10
k=4
p=0.3
Distribución Binomial
xnx
pp
xxn
n
xp
)1(
!!
!
)(
39. Distribución Binomial. Cálculo de probabilidades con Fórmula
Ejemplo: Supongamos que se sabe que el 30% de cierta población es
inmune a alguna enfermedad. Si se escoge una muestra aleatoria de 10
elementos de entre esa población, ¿cuál es la probabilidad de que dicha
muestra contenga exactamente 4 individuos inmunes?
p=0.3
n=10
k=4
644104
10
4
)7.0()3.0(
!6!4
!10
)7.0()3.0()4(
p
6464
)7.0()3.0(
24
5040
)7.0()3.0(
!6*)1*2*3*4(
!6*7*8*9*10
)4( p
2001.0)117649.0(*)0081.0(*210)4( p
40. Distribución Binomial. Cálculo de probabilidades con Tabla
La tabla de la distribución
Binomial proporciona las
probabilidades acumulativas,
para un n y un p dado, desde
x=0 hasta algún número
positivo especifico de éxitos.
Así la probabilidad de x=4,
cuando n=10 y p=0.30 será
igual a:
P(x=4) = P(x4) – P(x3)
= 0.8497 - 0.6493
= 0.2001
41. Distribución Binomial. Cálculos de probabilidades con Excel
Dado un valor de x encontrar la probabilidad:
Dado un evento que se distribuye con una probabilidad binomial encontrar
el valor de x, hacerlo con la función INV.BINOM
42. Definición: proceso poissoniano es aquél compuesto de eventos discretos
que son independientes en el espacio y en el tiempo.
Una v.a. sigue una distribución de Poisson si, en general, puede expresarse
de la forma:
X = Número de impactos por unidad de (tiempo, longitud, superficie,
volumen)
Distribución: si el número de eventos esperados, μ, en un intervalo de
extensión h es μ = λh (λ da la tasa de eventos por unidad de h), entonces la
probabilidad de que ocurran n eventos en h viene dada por
Parámetros de distribución:
Media: =
Varianza: 2 =
Desviación tipica:
Distribución de Poisson
!
)(
x
e
xp
x
43. Distribución Poisson. Cálculos de probabilidades con
Fórmula
Ejemplo: Durante el estudio de cierto organismo acuático,
se tomó un gran número de muestras de una laguna, y se
contó el número de organismos en cada muestra. El número
promedio de organismos encontrados por muestra fue de 2.
Suponga que el número de organismos sigue una
distribución de Poisson, y calcule la probabilidad de que la
próxima muestra que se tome tenga un organismo o menos.
!0
2
!1
2
)0()1()1(
0212
ee
xpxpxp
40602.027068.013534.0)1( xp
44. Distribución Poisson. Cálculos de probabilidades con Tabla
La tabla de la Distribución
de Posisson proporciona
las probabilidades
acumulativas desde x=0
hasta algún número
positivo especifico de
éxitos. Así la probabilidad
de x = 1, cuando =2.0
es igual a:
P(x1) = P(x1)
= 0.4060
x p 2.0 2.2 2.4 2.6 2.8 3.0 3.2 3.4
0 0.1353 0.1108 0.0907 0.0743 0.0608 0.0498 0.0408 0.0334
1 0.4060 0.3546 0.3084 0.2674 0.2311 0.1991 0.1712 0.1468
2 0.6767 0.6227 0.5697 0.5184 0.4695 0.4232 0.3799 0.3397
3 0.8571 0.8194 0.7787 0.7360 0.6919 0.6472 0.6025 0.5584
4 0.9473 0.9275 0.9041 0.8774 0.8477 0.8153 0.7806 0.7442
5 0.9834 0.9751 0.9643 0.9510 0.9349 0.9161 0.8946 0.8705
6 0.9955 0.9925 0.9884 0.9828 0.9756 0.9665 0.9554 0.9421
7 0.9989 0.9980 0.9967 0.9947 0.9919 0.9881 0.9832 0.9769
8 0.9998 0.9995 0.9991 0.9985 0.9976 0.9962 0.9943 0.9917
9 1.0000 0.9999 0.9998 0.9996 0.9993 0.9989 0.9982 0.9973
10 1.0000 1.0000 1.0000 0.9999 0.9998 0.9997 0.9995 0.9992
11 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9999 0.9998
47. Distribución normal
Una de las herramientas de mayor uso en el modelaje de los comportamientos de los
fenómenos aleatorios es a través de la distribución normal, gaussiana o de Laplace-
Gauss, pues permite describir situaciones donde pueden recopilarse datos. Esto permite
tomar decisiones que vayan a la par con las metas y objetivos de una investigación o de
un problema dado. Fue descubierta y publicada por primera vez en 1733 por De Moivre.
A la misma llegaron, de forma independiente, Laplace (1812) y Gauss (1809), en relación
con la teoría de los errores de observación astronómica y física .
Pierre Simon de Laplace
(1749-1827)
Karl F. Gauss
(1777-1855)
Abraham de
Moivre
(1667-1754)
48. Utilidad
• Se utiliza muy a menudo porque hay muchas variables asociadas a fenómenos naturales
que siguen el modelo de la norma.
• Caracteres morfológicos de individuos (personas, animales, plantas,...) de una especie,
por ejemplo: tallas, pesos, diámetros, distancias, perímetros,...
• Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un fármaco, o de una
misma cantidad de abono, …
• Caracteres sociológicos, por ejemplo: consumo de cierto producto por un mismo grupo
de individuos, puntuaciones de examen, ...
• Errores cometidos al medir ciertas magnitudes.
Valores estadísticos muestrales, por ejemplo : la media.
• Y en general cualquier característica que se obtenga como suma de muchos factores.
49. Distribución Normal
2
2
2
2
1
)(
x
exf
La distribución normal fue reconocida por primera vez por el francés
Abraham de Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss
(1777-1855) elaboró desarrollos más profundos y formuló la ecuación
de la curva; de ahí que también se la conozca, más comúnmente, como
la "campana de Gauss". La distribución de una variable normal está
completamente determinada por dos parámetros, su media y su
desviación estándar, denotadas generalmente por y . Con esta
notación, la densidad de la normal viene dada por la ecuación:
que determina la curva en
forma de campana que tan
bien conocemos
50. Distribución Normal. Características
2
1
21
1
2
x
e dx
X
Simétrica con respecto a Asintótica al eje X
2
1
21
( ) , , 0
2
x
f x e x
X ~ N ( ; ²)
52. Distribución Normal. Características
N (μ,σ)
68% de los datos: (μ –1σ, μ +1σ)
95% de los datos: (μ –2σ, μ +2σ)
99% de los datos: (μ –3σ, μ +3σ)
Se puede calcular la probabilidad (o el %) de datos que queda a la derecha/izquierda de μ.
Regla Empirica
53. DISTRIBUCION NORMAL TIPICA
La distribución normal es una numerosa familia de distribuciones que
corresponden a los muchos valores diferentes de μ y de σ. De entre todas ellas,
la más utilizada es la distribución normal estándar, que corresponde a una
distribución de media 0 y varianza 1. Para ello es esencial una simplificación
para tabular las probabilidades normales para varios valores de los parámetros.
Esto es posible por medio del procedimiento llamado tipificación. Así, la
expresión que define su densidad se puede obtener de la ecuación:
2
2
2
1
)(
z
ezf
Es importante conocer que, a partir de
cualquier variable X que siga una distribución
N(,), se puede obtener otra característica Z
con una distribución normal estándar, sin más
que efectuar la transformación. Como x es
una variable aleatoria también lo es Z.
Fórmulas para calcular área debajo de la curva normal
F representa la distribución acumulada de la distribución Normal, es decir
el área acumulada a la izquierda del valor dado
P (X < a) = F(a)
P (a < X < b) = F(b) - F(a)
P (X > b) = 1 - F(b)
54. Probabilidades en la Normal
( ) ( ) ( ) ( )
b
a
P a X b f x dx F b F a
( ) ( ) 1 ( )
b
P X b f x dx F b
Xa b
P(a X b)
P(X<a) P(X>b)
( ) ( ) ( )
a
P X a f x dx F a
55. Cómo encontrar las probabilidades de un valor z en la
Tabla y con excel?
z 0.00 0.01 0.02 … 0.08 0.09
-3.4 0.0003 0.0003 0.0003 … 0.0003 0.0002
: : : : … : :
-1.5 0.0668 0.0655 0.0643 0.0571 0.0559
: : : : … : :
0 Z-1.58
P(Z < -1.58) = 0.0571
-∞ ∞
56. Cómo encontrar las probabilidades de un valor z en la
Tabla?
z 0.00 0.01 0.02 … 0.08 0.09
: : : : … : :
-1.5 0.0668 0.0655 0.0643 0.0571 0.0559
: : : : … : :
2.2 0.9861 0.9864 0.9868 … 0.9887 0.9890
: : : : … : :
0 Z2.21
P( -1,58 < Z < 2.21 ) =P(Z<2.21)-P(Z<1.58)
=0.9864 – 0.0571
-1.58
=0.9293
∞-∞
57. Cómo encontrar las probabilidades de un valor z en la
Tabla?
z 0.00 0.01 0.02 … 0.08 0.09
: : : : … : :
2.2 0.9861 0.9864 0.9868 … 0.9887 0.9890
: : : : … : :
3.4 0.9997 0.9997 0.9997 … 0.9997 0.9998
0 Z2.21
P(Z > 2.21) =1 - P(Z<2.21)
=1 – 0.9864 = 0.0136
0.9864
-∞ ∞
58. DISTRIBUCION NORMAL TIPICA. Uso de la Tabla
Si X es una población Normal con media = 70 y = 10. Hallar las siguientes probabilidades:
a. P (X < 60) = F (z (60-70)/10) = F(z -1) = 0.1587
b. P (X > 95) = 1 – F (z (95-70)/10) = 1 – F (z 2.5) = 1 – 0.9938 = 0.0062
c. P (50 < X < 80) = F (z (80-70)/10) – F (z (50-70)/10) = F (z 1) – F (z --2) = 0.8413 – 0.0228 = 0.8185
Z 0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0.00
-3.5 0.00017 0.00017 0.00018 0.00019 0.00019 0.00020 0.00021 0.00022 0.00022 0.00023
-1.0 0.1379 0.1401 0.1423 0.1446 0.1469 0.1492 0.1515 0.1539 0.1562 0.1587
-0.9 0.1611 0.1635 0.1660 0.1685 0.1711 0.1736 0.1762 0.1788 0.1814 0.1841
Z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
Z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
Z 0 .0 9 0 .0 8 0 .0 7 0 .0 6 0 .0 5 0 .0 4 0 .0 3 0 .0 2 0 .0 1 0 .0 0
-3.5 0.00017 0.00017 0.00018 0.00019 0.00019 0.00020 0.00021 0.00022 0.00022 0.00023
-2.0 0.0183 0.0188 0.0192 0.0197 0.0202 0.0207 0.0212 0.0217 0.0222 0.0228
-1.9 0.0233 0.0239 0.0244 0.0250 0.0256 0.0262 0.0268 0.0274 0.0281 0.0287
59. DISTRIBUCION NORMAL TIPICA. Con excel
Si X es una población Normal con media = 70 y = 10. Hallar las siguientes probabilidades:
b. P (X > 95) = 1 – F (z (95-70)/10)
= 1 – F (z 2.5)
= 1 – 0.9938
= 0.0062
c. P (50 < X < 80) = F (z (80-70)/10) – F (z (50-70)/10) = F (z 1) – F (z --2) = 0.8413 – 0.0228 = 0.8185
a. P (X < 60) = F (z (60-70)/10) = F(z -1) = 0.1587
60. Cómo encontrar el valor z, dada una probabilidad, en la tabla y en excel?
Determinar el valor o valores de z en cada uno de los siguientes casos, donde el área se
refiere a una curva normal.
a. El área entre 0 y z es 0.3770 = P (Z z) = 0.5 + 0.3770 = 0.8770 = P (Z 1.16) = 0.88770
Z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
0.5 0.3770
0.8770
1.16
61. Cómo encontrar el valor z, dada una probabilidad?
Determinar el valor o valores de z en cada uno de los siguientes casos, donde el área se
refiere a una curva normal.
b. El área a la izquierda de z es 0.8621 = P (Z z ) = 0.8621 = P (Z 1.09 ) = 0.8621
Z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
0.8621
1.09
62. Cómo encontrar el valor z, dada una probabilidad, usando la tabla?
Determinar el valor o valores de z en cada uno de los siguientes casos, donde el área se
refiere a una curva normal.
c. El área entre –1.5 y z es 0.0217
Caso 1 = P (Z z) – P(Z -1.5) = 0.0217 = 0.0217 + 0.0668 = 0.0885 , z = -1.35
Caso 2 = P (Z -1.5) – P(Z z) = 0.0217 = 0.0668 – 0.0227= 0.0451 , z = -1.70
Z 0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0.00
-1.7 0.0367 0.0375 0.0384 0.0392 0.0401 0.0409 0.0418 0.0427 0.0436 0.0446
-1.6 0.0455 0.0465 0.0475 0.0485 0.0495 0.0505 0.0516 0.0526 0.0537 0.0548
-1.5 0.0559 0.0571 0.0582 0.0594 0.0606 0.0618 0.0630 0.0643 0.0655 0.0668
-1.4 0.0681 0.0694 0.0708 0.0721 0.0735 0.0749 0.0764 0.0778 0.0793 0.0808
-1.3 0.0823 0.0838 0.0853 0.0869 0.0885 0.0901 0.0918 0.0934 0.0951 0.0968
-1.5 -z
0.0217
0.0668
-1.5-z
0.0217
0.0668
63. Cómo encontrar el valor z, dada una probabilidad usando excel?
Determinar el valor o valores de z en cada uno de los siguientes casos, donde el área se
refiere a una curva normal.
c. El área entre –1.5 y z es 0.0217
Caso 1 = P (Z z) – P(Z -1.5) = 0.0217 = 0.0217 + 0.0668 = 0.0885 , z = -1.35
Caso 2 = P (Z -1.5) – P(Z z) = 0.0217 = 0.0668 – 0.0227= 0.0451 , z = -1.70
-1.5 -z
0.0217
0.0668
-1.5-z
0.0217
0.0668
64. Distribución normal. Cálculos de probabilidades con excel,
utilizando la función normal estándar
El gerente de personal de una gran compañía requiere que los solicitantes a un
puesto efectúen cierta prueba y alcancen una calificación de 500. Si las
calificaciones de la prueba se distribuyen normalmente con media 485 y desviación
estándar 30 ¿Qué porcentaje de los solicitantes pasará la prueba?
Calculando el valor de Z obtenemos:
X
Z 5.0
30
485500
485
Z.05
30.85%
65. Distribución normal. Cálculos de probabilidades con excel, utilizando la
función normal
Tras un test de cultura general se observa que las
puntuaciones obtenidas siguen una distribución
una distribución N (65,18). Se desea clasificar a
los examinados en tres grupos (de baja cultura
general, de cultura general aceptable, de
excelente cultura general) de modo que hay en el
primero un 20% de la población, un 65% el
segundo y un 15% en el tercero. ¿Cuáles han de
ser las puntuaciones que marcan el paso de un
grupo al otro?
Localizamos en nuestra tabla el parámetro
correspondiente a la probabilidad 0.2 (20%), el
cual es - 0.84
P (Z ≤ z1) = 0.2 z1 ≈ - 0.84
Por lo que, si z1 = X1 – 65 / 18 = -0.84
X1 = (-0.84)(18) + 65
X1 = 49.88
Ahora localizamos en la tabla el parámetro para la probabilidad de
0.85 (65%), el cual es de 1.04, lo que significa que
P (Z ≤ z2) = 0.85 z2 ≈ 1.04
Por lo que, si z2 = X2 – 65 / 18 = 1.04
X2 = (1.04)(18) + 65
X2 = 83.72
La clasificación quedaría así: Menos de 50, puntos baja cultura; entre 50 y 84 puntos, cultura aceptable y más
de 84 puntos, cultura excelente.
66. Distribución t de Student
La distribución de Student fue descrita en el año 1908 por William Sealy Gosset.
Gosset trabajaba en una fábrica de cerveza, Guinness, que prohibía a sus
empleados la publicación de artículos científicos debido a una difusión previa de
secretos industriales. De ahí que Gosset publicase sus resultados bajo
el seudónimo de Student. Es importante en cálculos relacionados con la estimación
de medias a través de intervalos de confianza y de pruebas de hipótesis. Entre sus
propiedades se puede mencionar: Es continua, tiene forma de campana y es
simétrica respecto al cero como la distribución z. La distribución t está más dispersa
y es más plana en el centro que la distribución z, pero se acerca a ella cuando el
tamaño de la muestra crece. Se utiliza, sobre todo, para hacer inferencias
estadísticas cuando se tienen muestras pequeñas.
68. Cómo encontrar la probabilidad para un valor de t dado,
usando tabla?
Encuentre k tal que P(k < t < -1.761) = 0.045, para una muestra aleatoria de tamaño 15 que se
selecciona de una distribución normal. Si se busca en la tabla el valor de t =1.761 con 14
grados de libertad nos damos cuenta que a este valor le corresponde un área de 0.05 a la
izquierda, por ser negativo el valor. Entonces si se resta 0.05 y 0.045 se tiene un valor de
0.005, que equivale a α.
Luego se busca el valor de 0.005 en el primer renglón con 14
grados de libertad y se obtiene un valor de t = 2.977, pero como el
valor de α está en el extremo izquierdo de la curva entonces la
respuesta es t = -2.977 por lo tanto:
69. Cómo encontrar la probabilidad para un valor de t dado,
usando excel?
Encuentre k tal que P(k < t < -1.761) = 0.045, para una muestra aleatoria de tamaño 15 que se
selecciona de una distribución normal. Si se busca en la tabla el valor de t =1.761 con 14
grados de libertad nos damos cuenta que a este valor le corresponde un área de 0.05 a la
izquierda, por ser negativo el valor. Entonces si se resta 0.05 y 0.045 se tiene un valor de
0.005, que equivale a α.
Luego se busca el valor de 0.005 en el primer renglón con 14
grados de libertad y se obtiene un valor de t = 2.977, pero como el
valor de α está en el extremo izquierdo de la curva entonces la
respuesta es t = -2.977 por lo tanto:
P(k < t < -1.761) = 0.045
P(t < -1.761) – P (k < t) = 0.045
0.05 - 0.045 = P(k < t)
0.005 = P(k < t)
0.005 = P(k < -2.98)
70. Cómo encontrar la probabilidad con un valor de t
dado usando excel?
Cual es la probabilidad acumulada de una Distribución t de Student de 9 grados
de libertad, de que x < 0,25:
P (t9 ≤ 0.25) = 0.596
Cual es la probabilidad acumulada a la derecha de 2,45, en una variable t de
Student de 15 grados de libertad:
P (t15 ≥ 2.45) = 1 - P (t15 ≤ 2.45)
= 1 – 0.9865
= 0.0135
71. Cómo encontrar el valor t en la Tabla con
probabilidades dadas?
El valor t con v = 14 grados de libertad que deja un área de 0.025 a la izquierda y,
por lo tanto, un área de 0.975 a la derecha, es
t 0.975 = −t0.025 = −2.145
73. Distribución Chi - Cuadrada
En realidad la distribución ji-cuadrada es la distribución muestral de la varianza muestral (s2). O
sea que si se extraen todas las muestras posibles de una población normal y a cada muestra se
le calcula su varianza, se obtendrá la distribución muestral de varianzas. Entre sus propiedades:
1. Asimétrica y asintótica al eje x por la derecha;
2. Su dominio va de 0 a +∞ y el área bajo la curva desde 0 a +∞=1
3. Tiene parámetro ᴠ,= n-1, grados de libertad (gl)
4. Al aumentar n se aproxima a la normal
Entre sus aplicaciones:
Determinación intervalos confianza para
varianzas
Pruebas de hipótesis para una varianza
Tablas de contingencia
El ajuste de datos a una distribución
dada conocida (Prueba de Bondad de
ajuste)
Pruebas de independencia.
Pruebas de homogeneidad
75. Ejemplo de cómo utilizar la Distribución Chi – Cuadrada. Buscar la
probabilidad dado un valor de la función
Suponga que los tiempos requeridos por un cierto autobús para alcanzar un de sus
destinos en una ciudad grande forman una distribución normal con una desviación
estándar σ = 1 minuto. Si se elige al azar una muestra de 17 tiempos, encuentre la
probabilidad de que la varianza muestral (s) sea mayor que 2.
P(s2>2) = 1- P(s2<2)
= 1- 0.99
= 0.01
76. Ejemplo de cómo utilizar la Distribución Chi – Cuadrada. Buscar un valor de la
función dada una probabilidad
La variable aleatoria U sigue una
distribución Chi-cuadrado. Calcular
"a":
P(U>a) = 0.05, para 18 grados de
libertad.
P(U>a) = 1 - 0.05 = 0.95;
en este caso a = 28.9
P(U>a) = 0.05, para 55 grados
de libertad.
P(U>a) = 1 - 0.05 = 0.95;
en este caso a = 73.3
77. Distribución F de Fisher
Usada en teoría de probabilidad y estadística, la distribución F es una distribución de
probabilidad continua. También se le conoce como distribución F de Snedecor (por George
Snedecor) o como distribución F de Fisher-Snedecor (por Ronald Fisher). Surge de la
necesidad de disponer de métodos estadísticos para comparar las varianzas de dos
poblaciones evidentes a partir del análisis de una sola población. Frecuentemente se desea
comparar la precisión de un instrumento de medición con la de otro, la estabilidad de un
proceso de manufactura con la de otro o hasta la forma en que varía el procedimiento para
calificar de un profesor universitario con la de otro.
Su tabla es compleja porque depende de dos
parámetros, esto complica su diseño. Se
acostumbran, pues, a publicar tantas tablas
como niveles de significación interese
Sus características son:
•La forma gráfica de la F depende de los
grados de libertad que tenga
•No es simétrica, sino que es asimétrica
positiva
•Toda la gráfica es el Total
Toma valores positivos
Propiedad reciproca. Relaciona la distribución
Fgl1, gl2 con Fgl2, gl1
79. Ejemplos de cómo buscar valores de F, usando Excel. Buscar la
probabilidad dado un valor de la función
Buscar P (F ≥ 1.97), con v1 = 15 y v2 = 15
P (F ≥ 1.97) = 1 - P (F ≤ 1.97)
= 1 – 0.8996
= 0.1004
Buscar P (F ≤ 3.52), con v1 = 15 y v2 = 15
P (F ≤ 3.52) = 0.99
80. Ejemplos de cómo buscar valores de F, usando Excel. Buscar un
valor de la función dada una probabilidad
Encuentra el valor de F, si el área a la
derecha de F, es de 0.25 con gl1= 4 y
gl2= 9
P (F > f) = 1 - P (F < f)
= 1 - 0.25 = 0.75
Encuentra el valor de F, si el área a
la izquierda de F, es de 0.95 con
gl1= 15 y gl2= 10