Professional Documents
Culture Documents
En este artculo vamos a aprender conceptos bsicos de estadstica, para que cualquier persona
pueda aprender desde el principio.
Veremos cosas como:
Qu es y para qu sirve la estadstica?
Cmo se hace una tabla de frecuencias?
Cmo se calcula la media, la moda, la mediana, la varianza?
Diferencia entre desviacin tpica y desviacin media.
Tablas de frecuencias y medidas con datos agrupados.
La idea es definir esos conceptos de forma clara y simple, para que puedas comprenderlos
perfectamente.
Qu es la estadstica?
Apuntar y ordenar datos.
Dicho de otra forma: recogida y ordenacin de la informacin obtenida en una observacin.
Muy fcil.
Mirar.
Apuntar.
Ordenar.
Uno mira una carrera de coches y apunta los tiempos de cada conductor.
Despus hace un resumen y dice:
Pues los tres primeros han tardado la mitad que los tres ltimos.
El 67% de los conductores han quedado muy por detrs de todo el resto.
De todas las carreras que tengo apuntadas, el coche de Salamarkesa ha sido siempre el
primero en llegar.
Y todas las cosas que a uno se le ocurran.
Eso se llama describir.
Estadstica descriptiva
La estadstica descriptiva es la parte fundamental de la estadstica, y es la que se encarga de
mantener los datos recogidos bien agrupados, para luego describirlos.
Recogida de datos
El lunes la gente sale de trabajar con hambre y algunos pasan por la tienda y se comen un
bocadillo.
Otros solo piden una cerveza.
Otros piden varios bocadillos.
Y bueno, las cosas de la vida
Harry Potter sigue apuntando todo a medida que pasan y pasan los das.
Llega el mircoles y hay mucha gente que viene a ver la fiesta reggae, porque hay un montn de
cantantes y buena gente.
Y la tienda est feliz porque ha vendido muchos bocadillos.
Llega el final de la semana y le decimos a Potter que nos entregue los datos.
Conceptos de estadstica
A ver.
Nos vamos al bosque, a coleccionar championes.
Queremos hacer un estudio estadstico de la altura de los championes.
CARCTER: propiedad que se analiza. [Altura]
DATO: valor del carcter analizado. [X centmetros]
INDIVIDUO: cada elemento al que le recogemos la informacin. [Champin]
POBLACIN: todo el conjunto de individuos. [Todos los championes]
MUESTRA: subconjunto de la poblacin. [Algunos championes]
Para qu sirve la muestra?: Porque si hubiese ocho millones de championes en
el bosque, quizs a mi no me interesara medirlos todos, sino algunos de
ellos, que sirvan como representantes. Cuando la poblacin es demasiado
grande, se realiza el estudio sobre una parte de ella. Y esa parte se llama
muestra.
Vale.
Y qu pasa con eso?
Pues que al obtener los datos sobre el carcter de los individuos de la muestra de una
poblacin, tendremos que ordenarlos descriptivamente.
Cmo se hace eso?
Pues exacto, con una tabla de frecuencias.
Tabla de frecuencias
Una tabla.
De frecuencias.
Tabla hace referencia a tabla.
Frecuencia hace referencia a repeticin.
Repeticin de qu?
De los datos obtenidos.
Recordamos que el dato es la medicin que se hace al carcter.
En mi caso championero el carcter es la altura del champin.
Y los datos son estos (medidos en centmetros):
10, 3, 2, 4, 7, 4, 7, 2, 4, 3, 7, 8, 6, 7, 8, 7, 9
Frecuencia absoluta
Cantidad de veces que se repite cada dato.
Representaremos la frecuencia absoluta con la letra ni.
Dato
2
3
4
ni
2
2
3
6
1
7
5
8
2
9
1
10
1
TOTAL
17
Eso ya va tomando forma estadstica.
Por supuesto que s.
Para empezar, ya tenemos una visin general de cules son los valores y cules se repiten ms y
cules menos.
Definiremos entonces un concepto nuevo.
MODA: el dato ms repetido.
En este caso, la moda es el dato de altura 7cm, porque se repite ms que ningn otro.
Lo llamamos moda porque haba que darle un nombre, pero no hay que comerse la cabeza.
Es que cuando ests en una oficina con tus compaeros los estadsticos y tengas que hablar de
muchas cosas, pues en vez de hablar de el dato ms repetido es el siete, pues dirs que la
moda es siete y punto.
Frecuencia relativa
Denotaremos la frecuencia relativa con una letra fi.
Relativa a qu?
Al total.
Llmalo porcentaje para gusto propio.
Cmo se calcula?
Pues como todos las cantidades relativas.
Con un cociente.
Dividiendo la cantidad (frecuencia absoluta) por el total de datos.
Es decir, la frecuencia absoluta del dato 4 es n=3.
Como el total de datos es 17.
Pues:
fi
7
5
5/17=0.29
8
2
2/17=0.12
9
1
1/17=0.06
10
1
1/17=0.06
TOTAL
17
1 (100%)
Si antes tenamos una visin global del asunto, ahora la visin es incluso mejor.
Porque directamente podemos ver relativamente qu cantidad de veces se repite cada dato.
Hay otras frecuencias que se usan con otros objetivos.
Pero no son diferentes, son una consecuencia de las dos que ya hemos visto.
Siempre estamos hablando de la misma cosa.
De la frecuencia de los datos.
Para qu?
Pues para ver qu porcentaje de elementos se han acumulado hasta un cierto dato.
Cmo la denotamos?
Exacto, como Fi.
Vamos sumando las frecuencias relativas una a una.
Dato
ni
fi
Ni
Fi
2
2
0.12
2
0.12
3
2
0.12
4
0.24
4
3
0.17
7
0.41
6
1
0.06
8
0.47
7
5
0.29
13
0.76
8
2
0.12
15
0.88
9
1
0.06
16
0.94
10
1
0.06
17
1
TOTAL
17
1 (100%)
17
1 (100%)
Podemos preguntar ahora.
Qu porcentaje de championes tiene una altura igual o inferior a 4 centmetros?
Y mirar la tabla de frecuencias para decir.
Ah, pues el 41%.
Y en eso consiste bsicamente la estadstica descriptiva.
Aparte hay otras medidas establecidas, que por su inters inherente, son interesantes.
Medidas estadsticas
Mira.
Vamos a ver algunas que tengo ver yo, porque el lunes prximo tengo un examen y me las tengo
que aprender.
Pero el objetivo no es el examen.
Mi objetivo es escribir esto.
El tuyo es comprenderlo.
Para luego saber que existen estas medidas y tener una ligera sniff sniff idea the what they are all
about?
Vale bro?
Vale.
Pero antes de eso vamos a decir otra cosa.
Variables estadsticas
Tipitis
Luego los estadsticos son tan estadsticos que hasta subdividen cada tipo en otro tipo.
Las cualitativas pueden ser que si nominales o que si ordinales porque bla bla bla.
No hay que comerse la pasta con tanta sal.
Al dente.
No ms.
No te asustes por tantos tipos de tipos de tipos.
Mira con un ojo ms general.
Estamos hablando de estadstica.
Moda
Ya la hemos mencionado, pero no la hemos mencionado bien.
La moda es la que est de moda.
El dato ms repetido.
Y si hay dos datos distintos que son empatadamente los ms repetidos?
Pues los dos son la moda.
Y se llamarn elementos multimodales.
Mediana
Al obtener una distribucin de datos ordenada de menor a mayor, la mediana ser el valor del
medio.
Si los datos no son nmeros, no tiene sentido ordenarlos de menor a mayor, y no hay mediana.
Para un ejemplo de datos como este:
Sin ordenar: 3, 4, 2, 4, 5, 6, 7 | Ordenados: 2, 3, 4, 4, 5, 6, 7
Desviacin media
Mide cmo de dispersos estn los datos que hemos coleccionado.
Cuando decimos dispersos decimos alejados entre ellos.
Por ejemplo, en el mapa del mundo, un grupo de personas est disperso si uno vive en Pekn,
otro en Miln y otro en Oslo.
Pues lo mismo pasa con los datos.
Si tenemos una coleccin de datos as:
Datos A: 3, 4, 3, 4, 4, 4, 3, 4, 4, 4, 3, 3
Desviacin tpica
Qu?
Si ya hemos hablado de ella no?
No.
Nosotros hemos hablado ahora mismo de la desviacin media.
En la desviacin media se considera la diferencia con respecto a la media en valor absoluto.
Justo como acabamos de hacer.
La desviacin tpica es otra cosa.
Es la raz cuadrada de la varianza.
La varianza?
Varianza
La variacin de los datos.
Viene a ser lo mismo que la desviacin media, pero en vez de tomar el valor absoluto de la
diferencia, se toma esta diferencia elevada al cuadrado.
Ese cuadrado, aparte de quitar los valores negativos (igual que haca el valor absoluto), enfatiza
las desviaciones mayores, pues estas estn elevadas al cuadrado.
Vamos a verlo.
Varianza de Datos A:
Varianza de Datos B:
Date cuenta de que la varianza de Datos B es muchsimo ms grande, porque sus datos estaban
ms dispersos.
El cuadrado de las diferencias ha exagerado la situacin.
Por eso es que se define la desviacin tpica que hemos mencionado.
Cuasivarianza
Este es otro concepto ms que se mete en el saco, pero no hay que tenerle miedo.
Es casi la varianza, y su valor es igual que la varianza, pero en vez de dividir por el nmero
total de datos, dividiremos por el nmero total de datos menos uno.
Servir para cuando estudiemos otro tipo de estadstica que se llama estadstica inferencial.
Pero de momento est bien con saber que existe, y ni siquiera eso es necesario.
Datos agrupados
Hay veces que nuestro estudio estadstico cuenta con muchsimos valores diferentes.
Por ejemplo, mi gato se escapa muchas veces.
Y a lo largo de estos ltimos das he anotado exactamente cunto tiempo se escapa, en minutos.
He obtenido estos resultados:
32, 45, 52, 34, 23, 43, 12, 7, 42, 37, 41, 28, 32,
16, 4, 29, 58, 46, 35, 27, 19, 8, 36, 42, 12, 21,
8, 19, 13, 32, 27, 48, 39, 41, 12, 14, 23
Y bueno, podra tranquilamente hacer una tabla de frecuencias y considerar una fila para cada
valor distinto.
Pero es que no tengo ganas de hacer tantas filas, hoy solo quiero hacer seis filas.
Pues para eso considerar agrupar mis datos en intervalos.
Qu quiere decir eso?
Pues que voy a crear 6 grupos, que en estadstica llamaremos clases, y meter ah los datos
correspondientes.
CLASES
ni
fi
Ni
Fi
[0, 10)
4
4/37=0.11
4
0.11
[10, 20)
8
8/37=0.22
12
0.33
[20, 30)
7
7/37=0.19
19
0.52
[30, 40)
8
8/37=0.22
27
0.74
[40, 50)
8
8/37=0.22
35
0.96
[50, 60)
2
2/37=0.04
37
1
TOTAL
37
1 (100%)
37
1
Ventajas principales:
No tener una tabla enorme.
Mantener agrupados los datos similares, de forma que puedo tener una visin ms global.
La desventaja principal es que estamos sacrificando precisin en nuestra informacin, porque
ahora podemos ver que mi gato se ha escapado 8 veces entre 30 y 40 minutos, pero ya no puedo
ver exactamente de cunto tiempo exacto ha sido cada una de estas 8 escapadas.
De todas formas, esto de los datos agrupados no es ningn mundo mgico.
Es una simpleza muy grande que se usa para representar informacin ordenada y accesible.
Obviamente, si yo he hecho el registro de los tiempos precisos y especficos, conservar mis
datos originales, si es que me interesan.
Donde s encontraremos un poco de dificultad, es en el clculo de las medidas de dispersin.
Pero antes de hablar de eso, tenemos que definir el concepto de marca de clase.
Qu es la marca de clase?
Es el representante de cada clase.
Y tomaremos como representate al valor medio de los extremos del intervalo de cada clase.
CLASES
Marca de clase (x)
ni
[0, 10)
(0+10)/2=5
4
[10, 20)
(10+20)/2=15
8
[20, 30)
(20+30)/2=25
7
[30, 40)
(30+40)/2=35
8
[40, 50)
(40+50)/2=45
8
[50, 60)
(50+60)/2=55
2
TOTAL
37
Para qu sirve la marca de clase?
Para poder trabajar con las clases.
La marca de clase es un nmero representativo de cada intervalo, que usamos en las operaciones
que deberan de hacerse con el intervalo.
As, si queremos calcular la media de minutos que se escap mi gato, utilizaramos las marca de
clase, y procederamos igual que con los datos sin agrupar.
Li-1 es el lmite inferior del intervalo de la clase en la que est la frecuencia absoluta ms
alta.
ni es la frecuencia absoluta de esa clase mencionada.
ni-1 es la frecuencia absoluta de la clase anterior a la mencionada.
ni+1 es la frecuencia absoluta de la clase posterior a la mencionada.
a es la amplitud del intervalo.
Perfecto.
Si lanzo una moneda, la probabilidad de que esta caiga sobre uno de los lados es del 50%.
Para que eso sea verdad, primero hay que definir un contexto en el que eso sea verdad.
Probabilidad y por qu no hay que asustarse
Quien dice que el Universo es matemtico, est diciendo en realidad, que se puede observar con
una perspectiva Matemtica.
Por supuesto que s.
Tambin podran buscarse metforas culinarias y decir que el Universo es una cocina.
Tambin podran buscarse metforas poticas y decir que el Universo es un Ser enamorado de s
mismo.
Para comprender la probabilidad solo hay que comprender los conceptos que la definen.
Qu es la certeza?
Qu es la probabilidad?
Por ejemplo
Yo tengo una empresa de patatas. Me envan 100 patatas de una granja rara. Yo
no tengo ganas de mirar todas las papas para ver si estn bien o no. Entonces
lo que hago es seleccionar 10 patatas al azar e inspeccionarlas. Si ninguna
patata est en malas condiciones, acepto el lote. En caso contrario, lo
rechazo. Si el lote contiene un 5% de patatas envenenadas, cul es la
probabilidad de que mi empresa acepte el lote?
Experimento Aleatorio
Un experimento aleatorio consiste en tomar un fenmeno de la vida y aprender cul es la
probabilidad de lo que nos interese, conociendo ciertos datos.
Siempre que vamos a analizar la probabilidad de algo, hay que definir un experimento a
analizar.
Esto no es as porque sea as, sino porque as es una buena forma de hacerlo.
Pero antes de jugar hay que aprender cmo funciona el juego.
Tenemos que conocer los ingredientes de la ensalada.
Empezamos por saber qu es un suceso.
Suceso
Si a ese suceso Que al tirar un dado salga nmero par se le pone un nombre, por ejemplo
Pltano, podemos afirmar que:
Se da el suceso Pltano si al lanzar un dado sale el dos, el cuatro o el seis.
No se da el suceso Pltano si al lanzar un dado no sale ni el dos ni el cuatro ni el seis.
Guay.
Tipos de sucesos
Para poder hablar con propiedad se hace necesario clasificar los sucesos en:
Suceso elemental: suceso que no se puede descomponer en una combinacin de sucesos.
Suceso compuesto: suceso que es composicin de varios sucesos elementales.
Ejemplo: Al lanzar un dado.
El suceso Va a salir el 5 es un suceso elemental.
El suceso Va a salir un nmero impar es un suceso compuesto por varios sucesos elementales:
Va a salir el 1
Va a salir el 3
Va a salir el 5
Si se da cualquiera de los elementales, se est dando el suceso compuesto.
Todos los posibles resultados de un experimento aleatorio; es decir, todos los sucesos
elementales de un experiemento aleatorio, constituyen el espacio muestral.
Espacio muestral
2.
puede nombrar cada suceso como le salga del rabo, mientras deje bien claro en qu
consiste el suceso.
Todo est bien mientras no d lugar a confusin, porque una cosa que da lugar a confusin es una
cosa confusa.
Y una cosa confusa no est bien a menos que la confusin sea el objetivo de la cosa.
LA PROBABILIDAD SIEMPRE ES UN
NMERO ENTRE CERO Y UNO
Sabemos Qu es la probabilidad y cmo calcularla con la regla de laplace.
Pero tambin hay que saber una cosa que es importante.
La probabilidad de algo siempre es un nmero entre cero y uno.
Por qu?
No es un convenio
Nadie ha obligado a nadie a establecer la probabilidad entre cero y uno.
Ella misma, como idea, al adaptarse al mundo de la matemtica, ha encontrado su lugar como
valor entre la nada y la totalidad.
Variables aleatorias
Algo variable es algo que puede variar.
Algo que puede variar es algo que puede tomar diferentes valores.
Algo variable aleatorio es algo que puede tomar diferentes valores aleatoriamente.
Pues bien.
Tenemos X, que puede tomar diferentes valores de forma aleatoria.
Y para qu coo diantres rayos y centellas quiero una variable aleatoria?
Para variablealeatoriear por ejemplo.
Nahh.
En el estudio de probabilidades, se usan las variables aleatorias para guardar en ellas valores que
vienen del resultado de un experimento aleatorio.
Para qu?
Para facilitar tanto los clculos como su comprensin.
Consideremos el experimento aleatorio Lanzamiento: Lanzar una moneda dos veces y
analizar el nmero de caras que salen.
TODOS los sucesos elementales son:
CC: En el primer lanzamiento saldr cara y en el segundo tambin.
CX: En el primer lanzamiento saldr cara y en el segundo cruz.
XC: En el primer lanzamiento saldr cruz y en el segundo cara.
XX: En el primer lanzamiento saldr cruz y en el segundo tambin.
= {CC, CX, XC, XX}
Ahora viene una seorita variable aleatoria X, y recoge todos los sucesos del espacio muestral.
A cada suceso, la variable aleatoria le asigna un valor.
Como en nuestro experimento hemos dicho que estamos interesados en el nmero de caras,
pues vamos a asignarle a la variable el nmero de caras que han salido en cada suceso.
Para el sucesso CC: 2 caras
Para el suceso CX: 1 cara
Para el suceso XC: 1 cara
Para el suceso XX: 1 cara
Exacto! La variable aleatoria es una funcin.
Una funcin es una mquina matemtica que coge una cosa y nos devuelve otra.
Ver mejor: Qu es una funcin?
Coge un nmero y nos devuelve otro.
Coge un valor y nos devuelve otro.
Nuestra variable aleatoria X, mira el resultado de nuestro experimento aleatorio y nos devuelve
el nmero de caras que han salido.
Una funcin muy inteligente, verdad?
La variable aleatoria nos ayuda a observar lo que verdaderamente nos interesa.
En este caso, el nmero de caras.
Para nuestro experimento aleatorio, la variable aleatoria es una funcin que se fija en los
resultados, pero en vez de decirnos el resultado, nos da directamente el nmero de caras: cero,
uno, o dos.
Mgico.
La funcin que nos dice la masa la cantidad de probabilidad de un valor de una variable
aleatoria discreta.
Ein? Discreta?
S.
Hay variables aleatorias discretas y variables aleatorias continuas.
Las discretas tienen nmeros sueltos:
el 5
el 62.3
el cien
el mil
Funcin: f(LL)
Esta funcin, tomar dos valores. Uno para cada valor que toma la variable aleatoria.
A cada valor, le asigna una probabilidad.
f(Va a llover, coge el paraguas) = 0.7
f(Deja el paraguas en tu puta casa) = 0.3
Observamos que la suma de todos los valores es igual a 1.
Vaya tontera!
No era ms fcil decir directamente que hay un 30% de probabilidad de que no llueva y un 70%
de que s?
Para qu tanto enredo?
Pues en este caso s.
Pero este asunto funcional, se usa en casos donde la variable aleatoria puede tomar cien, mil,
treinta millones o incluso incontables valores.
ndice de contenidos
Aprender paso a paso
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Ejercicios resueltos
Lista de ejercicios de probabilidad resueltos para que practiques. Se muestra la solucin paso a
paso.
1.
Ejercicio resuelto: Probabilidad en un dado trucado
2.
Ejercicio resuelto: Extraccin sin reemplazamiento
3.
Ejercicio resuelto: Practicar la distribucin binomial
Vueltaaaaas!
Conozco la probabilidad de que un coche tenga un accidente si s que tiene una rueda
pinchada.
Pero esa probabilidad no me importa.
Yo he tenido un accidente y quiero saber una cosa.
Tena mi coche la rueda pinchada?
Cul es la probabilidad de que mi coche tuviese la rueda pinchada si s que he tenido el
accidente?
Para ese estilo de vueltas, vino el tito Thomas Bayes haciendo una ensalada con lo que ya saba.
Expresin matemtica del Teorema de Bayes.
Qu bien.
Tengo que aprenderme frmulas frmulas frmulas de memoria como un aprende-frmulas
profesional.
No.
No porque para aprenderse las frmulas de memoria sin tener ni idea de lo que representan,
mejor nos vamos todos a pescar salmn y sale ms rentable la cagada.
Estamos en el mismo caso que en la probabilidad condicionada, que era el mismo caso que la
regla de la multiplicacin, y que es el mismo caso de siempre.
Lo que pasa es que estamos disfrazando la expresin en funcin de lo que nos interesa.
Si nos fijamos bien en el numerador de la super frmula superior, observamos que en realidad no
hemos hecho otra cosa que sustituir en l el valor que se tena para la regla de la multiplicacin,
que deca que:
Seguimos en la misma onda.
Con diferentes puntos de vista.
PROBABILIDAD CONDICIONADA |
EXPLICACIN SUPER FCIL
En este artculo vamos a ver qu es la probabilidad condicionada y para qu sirve.
Creme. Yo tambin me he hecho esa pregunta.
Se define la probabilidad condicionada como a la probabilidad de que pase una cosa, teniendo
por seguro que va a pasar o ya ha pasado otra.
Para que lo veas claro.
Cul es la probabilidad de que encuentres un tesoro que est escondido en una cueva que est
perdida en las montaas?
La que sea. Pero parte de esa probabilidad se pierde buscando la cueva.
Y ahora, si te doy un mapa con la posicin exacta de la cueva?
La probabilidad cambia completamente.
Hemos establecido la condicin de que vamos a encontrar la cueva.
Por tanto esta cosa que antes no sabamos es ahora una certeza.
Ahora la nica probabilidad en juego es la de encontrar el tesoro que est dentro de la cueva.
Para entender la relacin hay que tener una visin clara de lo que significa el concepto de
probabilidad.
La probabilidad no es un nmero en el aire.
Ni en el papel.
Ni en la pantalla.
Es un nmero en el aire el papel o la pantalla que siempre va asociado a un suceso.
Calculamos la probabilidad de que algo suceda.
La probabilidad de que no te caiga un rayo es la probabilidad de que suceda el suceso No te cae
un rayo.
La probilidad de que pase el suceso A es una comparacin en forma de cociente.
Una comparacin-cociente de qu cosas?
De las veces que algo pasa con respecto a todo lo que podra pasar.
Entonces, cuando decimos:
Estamos haciendo lo mismo, pero reduciendo los conjuntos de sucesos.
Estamos seguros de que pasa el suceso B.
Entonces todo lo que podra pasar est contenido en B ahora, y no ms.
Entonces, nuestro nuevo suceso aleatorio solo se encuentra en la interseccin del antiguo
A, con B.
Todo lo que pertenezca al suceso A pero no pertenezca al suceso B, es ahora imposible y
se queda fuera.
Tambin puedes fijarte en que es lo mismo que decamos en el artculo de la Regla de la
multiplicacin.
Esta sigue siendo la regla de la multiplicacin que ya dijimos: La probabilidad de una
interseccin de dos sucesos es el producto de la probabilidad del primero por la probabilidad
del segundo suceso condicionado al primero Recuerdas?
Solo hemos despejado lo que nos interesa.
Ok. Pero para qu toda esta ensalada?
Considera la probabilidad de que vaya a llover dentro de un minuto en el desierto del Sahara
(suceso A) conociendo perfecta y seguramente el hecho de que est lloviendo all ahora mismo
(suceso B).
La probabilidad de que llueva dentro de 1 minuto sabiendo que est lloviendo ahora es clara e
intuitivamente bastante cercana a 1.
Sin embargo, si despreciamos la condicin de lo que conocemos, aunque lo conozcamos, tanto la
probabilidad de A como la de B son clara e intuitivamente muy cercanas a cero.
Por tanto, esto no solo no es un concepto intil, sino todo lo contrario.
Asumiendo que ya sabes qu es un suceso, ahora vamos a jugar con varios de estos.
Suponemos para ello un experimento aleatorio de ejemplo.
Experimento aleatorio: Analizar la edad de un individuo que pretende entrar en la
discoteca.
Bien, cualquiera puede llegar a la discoteca queriendo entrar.
Consideramos algunas posibles predicciones/sucesos:
PEQUEN: El individuo tiene menos de 17 aos.
DIECISIETE: El individuo tiene entre 17 y 18 aos.
DIECIOCHO: El individuo tiene entre 18 y 19 aos.
DIECINUEVE: El individuo tiene entre 19 y 20 aos.
VEINTE: El individuo tiene entre 20 y 21 aos.
VEINTIUNO: El individuo tiene entre 21 y 22 aos.
ADULTO: El individuo tiene ms de 22 aos.
TRAJE: El individuo viene vestido en traje.
BAADOR: El individuo viene vestido en baador.
Dnde est la gracia?
En que estos sucesos pueden jugar entre ellos en forma de unin e interseccin.
Ahora tenemos un nuevo suceso que contiene a los individuos que satisfacen el suceso:
ADULTO: mayor de 22 aos .
Y AL MISMO TIEMPO
TRAJE: va vestido de traje.
Quedan excludos todos los individuos mayores de 22 aos que no llevan traje.
Quedan excludos todos los individuos vestidos de traje que no sean mayores de 22 aos.
Interseccin de uniones
Por supuesto, ambos conceptos son cosas distintas.
Podemos jugar a hacer un remix con todos.
Yo voy a hacer una fiesta de gente guay.
As que defino mi nuevo suceso para englobar slo a la gente guay.
GENTE GUAY = (VEINTE VEINTIUNO) BAADOR
Ahora el suceso GENTE GUAY contiene a todos los individuos que tengan
(O BIEN 20 O BIEN 21 aos)
Y AL MISMO TIEMPO
Que vayan vestidos en baador.
El resto de la people se queda fuera porque no es gente guay.
Est bastante claro que si el suceso resultante de la unin es la suma de varios sucesos, la
probabilidad de esa suma ser la suma de las probabilidades.
Pinsalo.
Para el lanzamiento de un dado.
Suceso PAR: Sacar un nmero par
Suceso IMPAR: Sacar un nmero impar.
Las probabilidades las conocemos, con la Regla de Laplace.
P(PAR) = 0.5
P(IMPAR) = 0.5
Suceso CUALQUIER NMERO = PAR IMPAR
P(CUALQUIER NMERO) = P(PAR) + P(IMPAR) = 0.5 + 0.5 = 1
REGLA DE LA MULTIPLICACIN DE
PROBABILIDADES
En el clculo de probabilidades, a veces surge la necesidad de calcular la probabilidad de que
ocurran varias cosas.
Hablando en calidad suprema, eso quiere decir: Que se den varios sucesos simultneamente.
O lo que es lo mismo, calcular la probabilidad de una interseccin de sucesos.
Regla de la Multiplicacin
Multiplicamos la probabilidad de acertar la primera, por la probabilidad de acertar la
segunda, por la probabilidad de acertar la tercera, por la probabilidad de acertar la cuarta.
La probabilidad de acertar las cuatro preguntas, contestando al azar, es del 0.16%
Cunto es MUY?
Pues muy mucho, por ejemplo un 98% por decir algo.
Pero no sabes si vas a estar vivo dentro de medio ao.
Eso ya es un bocado ms grande.
Ya se han comido un gran trozo de tu bocadillo de jamn.
De tu certeza.
Bastante.
Ests sentado en una montaa, mirando las nubes, con tu bocadillo de Jamn.
Imagina que quieres entrar en una cueva, que est perdida en esa montaa.
La probabilidad de que encuentres la entrada es del 50% por ejemplo.
O la encuentras.
O no la encuentras.
Pero sea como sea, encontrars la puerta de entrada solo con medio bocadillo.
Con media certeza.
Ahora imagina que no solo tienes que entrar en la cueva, sino que adems tienes que
encontrar un tesoro que est dentro de esa cueva.
La probabilidad de que encuentres el tesoro, ya no cuenta con el 100% de tu bocadillo.
Solo con la mitad.
Porque para encontrar la puerta de entrada, la incertidumbre de la realidad ya se ha comido
medio bocadillo.
Ahora, toda la probabilidad de encontrar el tesoro, vuelve a empezar.
Pero empieza con lo que tienes ahora, que es la mitad de lo que tenas antes.
Ahora ests dentro. S.
Pero sigues no estando seguro de que encontrars el tesoro.
No hay certeza.
La certeza se la va comiendo la incertidumbre a medida que aumentan los azares posibles.
Por eso se multiplica.
Porque la probabilidad Siempre est entre el Cero y el Uno.
Se multiplica, porque multiplicar por nmeros que estn entre el cero y el uno, significa cortarle
un trozo a la cosa que se est multiplicando, significa empequeecerla, significa comerse el
bocadillo.
Si tuvieses que encontrar una moneda de oro dentro de una caja roja dentro de una cueva de
cualquiera de las montaas del planeta, llegaras con tu bocadillo, o no?
De la misma forma, acertar todas las preguntas al azar en un test que tiene cuatro preguntas con
cinco opciones cada una, es relativamente probable. Hay un 0.16% de probabilidad.
Acertar todas las preguntas en un test con mil preguntas de cuarenta y dos opciones cada una,
sigue siendo posible, aunque mucho menos probable.
Por qu?
Porque la serpiente de la regla de la multiplicacin se come tu bocadillo.
Pero ms que nada, que ya es algo.
Sucesos independientes
Cuando hemos hecho el ejemplo con las preguntas del test, estbamos obviando que est claro
que acertar una pregunta no afecta en nada a acertar o no la pregunta siguiente.
Cuando un suceso A: acertar la primera pregunta no afecta a un suceso B: acertar la
segunda pregunta, se dice que ambos sucesos son independientes.
Cuando los sucesos son independientes, s, para calcular la probabilidad de la interseccin (que
se den ambos a la vez) se multiplican las probabilidades y basta.
Sucesos dependientes
Suponemos que el profesor es un cabrn de muy mal gusto.
Te dice: "Oye amigo. Si aciertas la primera pregunta, te digo la respuesta de
la segunda pregunta. Pero si fallas, te pego un tiro en la cabeza".