TECNICAS DE CONTEO

TÉCNICAS DE CONTEO

Principio fundamental del conteo.
Si un evento puede realizarse de n1 maneras diferentes y si continuo con el procedimiento n2 maneras diferentes y si después de efectuados estos, n3 otro procedimiento de maneras diferentes y así sucesivamente, entonces el número de formas o maneras en los que los eventos pueden realizarse en el orden indicado es el producto de n1·n2 · n3··· nr =nT.
El número total (nT) de formas o maneras en que puede realizarse un evento es
n1·n2 · n3··· nr =nT

Diagrama de árbol

Es un dibujo que se usa para numerar los resultados de un experimento, cuento con los siguientes elementos:

· Nodo inicial. Puede o no representar un evento.

· Nodos finales o terminales. Son el número de alternativas.
· Ramas. Une a dos nodos.

PERMUTACIONES

Es un arreglo en orden particular que forma un conjunto.
El número de permutaciones de r objetos escogidos de un conjunto de n objetos distintos es
o, en forma factorial
donde:
n = tamaño de la población
r = tamaño de la muestra
· Permutaciones con repetición

Técnicas de Conteo

Si el número de posibles resultados de un experimento es pequeño, es relativamente fácil listar y contar todos los posibles resultados. Al tirar un dado, por ejemplo, hay seis posibles resultados.
Si, sin embargo, hay un gran número de posibles resultados tales como el número de niños y niñas por familias con cinco hijos, sería tedioso listar y contar todas las posibilidades.
Las posibilidades serían, 5 niños, 4 niños y 1 niña, 3 niños y 2 niñas, 2 niños y 3 niñas, etc. Para facilitar el conteo examinaremos tres técnicas: La técnica de la multiplicación, la técnica de la permutación, y la técnica de la combinación.

La Técnica de la Multiplicación
La técnica de la multiplicación: Si hay m formas de hacer una cosa y hay n formas de hacer otra cosa, hay m x n formas da hacer ambas cosas
En términos de fórmula
Número total de arreglos = m x n
Esto puede ser extendido a más de dos eventos. Para tres eventos, m, n, y o:
Número total de arreglos = m x n x o
Ejemplo:
Un vendedor de autos quiere presentar a sus clientes todas las diferentes opciones con que cuenta: auto convertible, auto de 2 puertas y auto de 4 puertas, cualquiera de ellos con rines deportivos o estándar. ¿Cuántos diferentes arreglos de autos y rines puede ofrecer el vendedor?
Para solucionar el problema podemos emplear la técnica de la multiplicación, (donde m es número de modelos y n es el número de tipos de rin).
Número total de arreglos = 3 x 2
No fue difícil de listar y contar todos los posibles arreglos de modelos de autos y rines en este ejemplo. Suponga, sin embargo, que el vendedor tiene para ofrecer ocho modelos de auto y seis tipos de rines. Sería tedioso hacer un dibujo con todas las posibilidades. Aplicando la técnica de la multiplicación fácilmente realizamos el cálculo:
Número total de arreglos = m x n = 8 x 6 = 48

La Técnica de la Combinación

En una permutación, el orden de los objetos de cada posible resultado es diferente. Si el orden de los objetos no es importante, cada uno de estos resultados se denomina combinación. Por ejemplo, si se quiere formar un equipo de trabajo formado por 2 personas seleccionadas de un grupo de tres (A, B y C). Si en el equipo hay dos funciones diferentes, entonces si importa el orden, los resultados serán permutaciones. Por el contrario si en el equipo no hay funciones definidas, entonces no importa el orden y los resultados serán combinaciones. Los resultados en ambos casos son los siguientes:
Permutaciones: AB, AC, BA, CA, BC, CB
Combinaciones: AB, AC, BC
Combinaciones: Es el número de formas de seleccionar r objetos de un grupo de n objetos sin importar el orden.
La fórmula de combinaciones es:
n C r = n!
r! (n – r )!
Ejemplo: En una compañía se quiere establecer un código de colores para identificar cada una de las 42 partes de un producto. Se quiere marcar con 3 colores de un total de 7 cada una de las partes, de tal suerte que cada una tenga una combinación de 3 colores diferentes. ¿Será adecuado este código de colores para identificar las 42 partes del producto?

EVENTOS INDE PENDIENTES

Eventos Independientes

Dos o más eventos son independientes cuando la ocurrencia o no-ocurrencia de un evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o eventos). Un caso típico de eventos independiente es el muestreo con reposición, es decir, una vez tomada la muestra se regresa de nuevo a la población donde se obtuvo. Ejemplo:
lanzar al aire dos veces una moneda son eventos independientes por que el resultado del primer evento no afecta sobre las probabilidades efectivas de que ocurra cara o sello, en el segundo lanzamiento

TIPOS DE PROBABILIDA PROBABILIDADES MARGINALES

En el ejemplo anterior las probabilidades totales; esto es, la probabilidad de que al elegir un niño al azar, éste tenga problemas visuales es P(V) = 0.20, y la probabilidad de que un niño elegido al azar no tenga problemas auditivos, P(AC) = 0.92. Así como las probabilidades P(VC) = 0.08 y P(A) = 0.08 se denominan probabilidades marginales.

Probabilidad
Estadística. Probabilidades conjunta y condicional. Bayes. Variable aleatoria discreta. Momentos. Distribución binomial, geométrica, Pascal, Poisson

TIPOS DE PROBABILIDAD

TIPOS DE PROBABILIDAD

Tres tipos de probabilidad
Existen tres maneras básicas de clasificar la probabilidad. Estas tres formas presentan planteamientos conceptuales bastante diferentes:

· Planteamiento clásico.
· Planteamiento de frecuencia relativa.
· Planteamiento subjetivo.

Probabilidad clásica

Se define la probabilidad de que un evento ocurra como: número de resultados en los que se presenta el evento / número total de resultados posibles
Cada uno de los resultados posibles debe ser igualmente posible.
La probabilidad clásica, a menudo, se le conoce como probabilidad a priori, debido a que si utilizamos ejemplos previsibles como monedas no alteradas, dados no cargados y mazos de barajas normales, entonces podemos establecer la respuesta de antemano, sin necesidad de lanzar una moneda, un dado o tomar una carta. No tenemos que efectuar experimentos para poder llegar a conclusiones.
Este planteamiento de la probabilidad tiene serios problemas cuando intentamos aplicarlo a los problemas de toma de decisiones menos previsibles. El planteamiento clásico supone un mundo que no existe, supone que no existen situaciones que son bastante improbables pero que podemos concebir como reales. La probabilidad clásica supone también una especie de simetría en el mundo.

Frecuencia relativa de presentación.

En el siglo XIX, los estadísticos británicos, interesados en la fundamentación teórica del cálculo del riesgo de pérdidas en las pólizas de seguros de vida y comerciales, empezaron a recoger datos sobre nacimientos y defunciones. En la actualidad, a este planteamiento se le llama frecuencia relativa de presentación de un evento y define la probabilidad como:
· La frecuencia relativa observada de un evento durante un gran número de intentos, o
· La fracción de veces que un evento se presenta a la larga, cuando las condiciones son estables.
Este método utiliza la frecuencia relativa de las presentaciones pasadas de un evento como una probabilidad. Determinamos qué tan frecuente ha sucedido algo en el pasado y usamos esa cifra para predecir la probabilidad de que suceda de nuevo en el futuro.
Cuando utilizamos el planteamiento de frecuencia relativa para establecer probabilidades, el número que obtenemos como probabilidad adquirirá mayor precisión a medida que aumentan las observaciones.
Una dificultad presente con este planteamiento es que la gente lo utiliza a menudo sin evaluar el número suficiente de resultados.

Probabilidades subjetivas

Las probabilidades subjetivas están basadas en las creencias de las personas que efectúan la estimación de probabilidad. La probabilidad subjetiva se puede definir como la probabilidad asignada a un evento por parte de un individuo, basada en la evidencia que se tenga disponible. Esa evidencia puede presentarse en forma de frecuencia relativa de presentación de eventos pasados o puede tratarse simplemente de una creencia meditada.
Las valoraciones subjetivas de la probabilidad permiten una más amplia flexibilidad que los otros dos planteamientos. Los tomadores de decisiones puede hacer uso de cualquier evidencia que tengan a mano y mezclarlas con los sentimientos personales sobre la situación.
Las asignaciones de probabilidad subjetiva se dan con más frecuencia cuando los eventos se presentan sólo una vez o un número muy reducido de veces.
Como casi todas las decisiones sociales y administrativas de alto nivel se refieren a situaciones específicas y únicas, los responsables de tomar decisiones hacen un uso considerable de la probabilidad subjetiva.

EVENTOS EXCLUYENTES Y NO EXCLUYENTES

PROBABILIDAD

La probabilidad es la parte de las matemáticas que trata de manejar con números la incertidumbre.
Înter%La probabilidad se mide por un número entre cero y uno: si un suceso no ocurre nunca, su probabilidad asociada es cero, mientras que si ocurriese siempre su probabilidad sería igual a uno. Así, las probabilidades suelen venir expresadas como decimales, fracciones o porcentajes.

CONCEPTUALIZACIÓN BÁSICA DE LA PROBABILIDAD

Para definir la probabilidad y determinar valores de probabilidad, se han desarrollado 3 enfoques conceptuales:
A) Enfoque de frecuencias relativas
B) Enfoque subjetivo de la probabilidad

A.ENFOQUE CLÁSICO DE LA PROBABILIDAD (a priori)

Este enfoque permite determinar valores de probabilidad antes de ser observado el experimento por lo que se le denomina enfoque a priori.
El enfoque clásico es aplicado cuando todos los resultados son igualmente probables y no pueden ocurrir al mismo tiempo.
Si queremos conocer la probabilidad del evento A según este enfoque debemos calcular el siguiente cociente:
N(A)
P(A) = -------------
N(S)
Donde: N(A): resultados elementales posibles son favorables en el evento A
N(S): posibles resultados en el espacio muestral
EJEMPLOS 1) En un mazo de cartas bien barajadas que contiene 4 ases y 48 cartas de otro tipo, la probabilidad de obtener un as (A) en una sola extracción es
N(A) 4 1
P(A) = ------ = ----- = ----
N(S) 52 13
2) El experimento es lanzar un dado. ¿Cuál es la probabilidad de que caiga un dos hacia arriba?
P( caiga 2 ) = 1 = .166
----
6
B.ENFOQUE DE FRECUENCIAS RELATIVAS (a posteriori o empírico)

Este enfoque permite determinar la probabilidad con base en la proporción de veces que ocurre un resultado favorable en cierto número experimentos.
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:
Número de observaciones de A n(A)
P(A) = -------------------------------------- = -------
Tamaño de la muestra n

EJEMPLOS

1) Antes de incluir la cobertura para ciertos tipos de problemas dentales en pólizas de seguros médicos para adultos con empleo, una compañía de seguros desea determinar la probabilidad de ocurrencia de esa clase de problemas, para que pueda fijarse la prima de seguros de acuerdo con esas cifras. Por ello, un especialista en estadística recopila datos para 10,000 adultos que se encuentran en las categorías de edad apropiadas y encuentra que 100 de ellos han experimentado el problema dental específico durante el año anterior. Por ello, la probabilidad de ocurrencia es:
100
P(A) = --------------- = 0.01, o 1%
10,000
2) Se sabe que una moneda está cargada. Para determinar la probabilidad de que caiga águila se lanza 60 veces la moneda al aire, de las cuales 25 veces cayó águila. Si aplicamos la fórmula:
P ( cae águila ) = 25 = 0.41
----------
60

C. ENFOQUE SUBJETIVO DE LA PROBABILIDAD (personalista)

Se diferencia de lo dos enfoques anteriores, debido a que tanto el enfoque clásico como el de frecuencia relativa producen valores de probabilidad objetivos.
El enfoque señala que la probabilidad de un evento es el grado de confianza que una persona tiene en que el evento ocurra, con base en toda la evidencia que tiene disponible, fundamentado en la intuición, opiniones, creencias personales y otra información indirecta.
Este enfoque no depende de la repetitividad de ningún evento y permite calcular la probabilidad de sucesos únicos y se da el caso de que ocurra o no esa única vez.
Debido a que el valor de la probabilidad es un juicio personal, al enfoque subjetivo se le denomina también enfoque personalista.

EJEMPLOS

1) Hay una probabilidad del 80% de que el América le gane a las Chivas.
2) Hay una probabilidad del 90% de que las ventas mejoren el año próximo
3) Hay una alta probabilidad de sacarme un 100.

4.4 EVENTOS EXCLUYENTES

Cuando se realiza un experimento, que es cualquier proceso que produce un resultado o una observación, se van a obtener un conjunto de valores. A este conjunto de valores que puede tomar una variable se le denomina espacio muestral.
Por ejemplo: Si se tiene un dado cualquiera, el espacio muestral (EM) es EM={1,2,3,4,5,6}.
Si existen más de una variable, el espacio muestral está formado por las combinaciones de valores de cada una de las variables.
Si tomamos un subconjunto cualquiera del espacio muestral tenemos lo que se denomina un evento, y si éste consta de un solo elemento entonces es un evento elemental.
Como se puede uno imaginar, existen eventos que siempre, no importa el número de experimentos o su situación, ocurren, y en cambio existen otros que nunca ocurren. Los que siempre ocurren son los eventos seguros, y los que nunca son los eventos imposibles.
Sin embargo, no todos los resultados son al azar, pues si un experimento es cualquier proceso entonces los resultados pueden tomar cualquier tipo de valor. Por esta razón, se define como experimento aleatorio al proceso en el que se pueden predecir con certeza la ocurrencia de sus eventos, con excepción del seguro o del imposible. Hay que hacer la observación que esta definición habla en términos generales y no específicamente sobre algún experimento en particular.
A aquélla variable que está asociada a un experimento de este tipo se le denomina variable aleatoria.
En cambio, a un experimento no aleatorio se le denomina experimento determinístico.
Cuando hablamos de varios eventos dentro del mismo experimento se pueden dar varios casos.
Si dos o más eventos no pueden ocurrir simultáneamente, se llaman eventos mutuamente excluyentes, es decir, que la intersección de ambos eventos es vacía.
Por otro lado, en ocasiones un evento o más eventos dependen de otro evento previo, es decir, un evento A ocurre dado que ocurrió un evento B. Si existe este tipo de relación entre eventos se dice que son eventos dependientes o condicionados (el evento A depende del evento B, o el resultado del evento A está condicionado al resultado del evento B). Por otro lado, si no existe tal relación entre eventos se dice que son eventos independientes. Los criterios de dependencia o de independencia se definirán más adelante, en términos de probabilidad condicional.

Probabilidad de eventos
Para calcular la probabilidad de eventos es necesario que éstos se comporten de una maner más o menos estable. Precisamente, se echa mano de la regularidad estadística, que es la propiedad de los fenómenos aleatorios, y que consiste en que al aumentar el número de repeticiones de un experimento en condiciones prácticamente constantes, la frecuencia relativa de ocurrencia para cada evento tiende a un valor fijo.
Sin embargo, al momento de definir la probabilidad de un evento podemos tomar en cuenta los siguientes criterios:
La probabilidad subjetiva de un evento se la asigna la persona que hace el estudio, y depende del conocimiento que esta persona tenga sobre el tema. Precisamente por su carácter de subjetividad no se considera con validez científica, aunque en la vida diaria es de las más comúnes que se utilizan al no apoyarse más que en el sentido común y los conocimientos previos, y no en resultados estadísticos.
La probabilidad frecuencial de un evento es el valor fijo al que tienden las frecuencias relativas de ocurrencia del evento de acuerdo a la regularidad estadística. Esta definición sería la más real, pero proporciona probabilidades aproximadas, es decir, proporciona estimaciones y no valores reales. Además, los resultados son a posteriori, pues se necesita realizar el experimento para poder obtenerlo.

La probabilidad clásica de un evento E, que denotaremos por P(E), se define como el número de eventos elementales que componen al evento E, entre el número de eventos elementales que componen el espacio muestral:
Es la definición más utilizada porque supone de antemano, y se necesita como requisito indispensable, que todos los eventos elementales tienen la misma probabilidad de ocurrir.

EVENTOS NO EXCLUYENTES

Cuando se tienen eventos elementales no existe mucho problema en el sentido del cálculo de las probabilidades, pues basta con una contabilización o el uso directo del cálculo combinatorio. Pero en el caso de eventos no elementales, que son los compuestos por más de un evento elemental, el proceder de manera análoga resulta muy complejo y las operaciones pueden sobrepasar la capacidad de cálculo existente. Sin embargo, utilizando los axiomas de la probabilidad y las siguientes propiedades, se podrán expresar las probabilidades de estos eventos en términos de los eventos elementales que lo componen, siempre y cuando se conozcan las probabilidades de éstos.
Veamos la probabilidad de una unión de eventos, la cual la podremos calcular de la siguiente manera:
Propiedad 1. Si A y B son dos eventos, la probabilidad de que ocurra A o B es igual a la suma de las probabilidades de ocurrencia de A y de B, menos la probabilidad de que ocurran A y B simultáneamente. Es decir,
P(AÈB) = P(A) + P(B) - P(AÇB)

Ahora, si el caso es que los eventos sean mutuamente excluyentes se tiene:
Propiedad 2. Si dos eventos, A y B, son mutuamente excluyentes entonces la probabilidad de que ocurra A o B es igual a la suma de las probabilidades de ocurrencia de A y de B. Es decir
P(AÈB) = P(A) + P(B)
Se puede observar que esta propiedad es un caso particular de la propiedad 1, y además, se deriva directamente del axioma 3 de la probabilidad.-->
Otra propiedad que se deriva de las anteriores es cuando se busca la probabilidad del complemento de un evento E, que denotaremos como ~E:
Propiedad 3. Si E es un evento y ~E su complemento, entonces
P(~E) = 1 - P(E)

Retomando los conceptos de eventos dependientes o condicionales, se va a definir la probabilidad condicional como sigue:

Propiedad 4. La probabilidad de que ocurra un evento A dado que ocurrió el evento B (el evento A depende del evento B), denotado P(AB), es:
Hay que notar que esta propiedad no es conmutativa, situación que sí ocurre con la probabilidad de unión o la intersección de eventos, por lo que no hay que confundir P(AB) y P(BA).

Finalmente, el criterio para la independencia de eventos queda como sigue:

Propiedad 5. Dos eventos A y B son independientes si y sólo si
P(AB) = P(A) y P(BA) = P(B)o, que es lo mismo:
P(AÇB) = P(A) · P(B)

probabilidad_mar1018

ESTADISTICA

Estadística, rama de las matemáticas que se ocupa de reunir, organizar y analizar datos numéricos y que ayuda a resolver problemas como el diseño de experimentos y la toma de decisiones.

HISTORIA

Desde los comienzos de la civilización han existido formas sencillas de estadística, pues ya se utilizaban representaciones gráficas y otros símbolos en pieles, rocas, palos de madera y paredes de cuevas para contar el número de personas, animales o cosas. Hacia el año 3000 a.C. los babilonios usaban pequeñas tablillas de arcilla para recopilar datos sobre la producción agrícola y sobre los géneros vendidos o cambiados mediante trueque. En el siglo XXXI a.C., mucho antes de construir las pirámides, los egipcios analizaban los datos de la población y la renta del país. Los libros bíblicos de Números y Crónicas incluyen, en algunas partes, trabajos de estadística. El primero contiene dos censos de la población de Israel y el segundo describe el bienestar material de las diversas tribus judías. En China existían registros numéricos similares con anterioridad al año 2000 a.C. Los griegos clásicos realizaban censos cuya información se utilizaba hacia el 594 a.C. para cobrar impuestos.
El Imperio romano fue el primer gobierno que recopiló una gran cantidad de datos sobre la población, superficie y renta de todos los territorios bajo su control. Durante la edad media sólo se realizaron algunos censos exhaustivos en Europa. Los reyes carolingios Pipino el Breve y Carlomagno ordenaron hacer estudios minuciosos de las propiedades de la Iglesia en los años 758 y 762 respectivamente. Después de la conquista normanda de Inglaterra en 1066, el rey Guillermo I de Inglaterra encargó la realización de un censo. La información obtenida con este censo, llevado a cabo en 1086, se recoge en el Domesday Book. El registro de nacimientos y defunciones comenzó en Inglaterra a principios del siglo XVI, y en 1662 apareció el primer estudio estadístico notable de población, titulado Observations on the London Bills of Mortality (Comentarios sobre las partidas de defunción en Londres). Un estudio similar sobre la tasa de mortalidad en la ciudad de Breslau, en Alemania, realizado en 1691, fue utilizado por el astrónomo inglés Edmund Halley como base para la primera tabla de mortalidad. En el siglo XIX, con la generalización del método científico para estudiar todos los fenómenos de las ciencias naturales y sociales, los investigadores aceptaron la necesidad de reducir la información a valores numéricos para evitar la ambigüedad de las descripciones verbales.
En nuestros días, la estadística se ha convertido en un método efectivo para describir con exactitud los valores de datos económicos, políticos, sociales, psicológicos, biológicos o físicos, y sirve como herramienta para relacionar y analizar dichos datos. El trabajo del experto estadístico no consiste ya sólo en reunir y tabular los datos, sino sobre todo en el proceso de “interpretación” de esa información. El desarrollo de la teoría de la probabilidad ha aumentado el alcance de las aplicaciones de la estadística. Muchos conjuntos de datos se pueden aproximar, con gran exactitud, utilizando determinadas distribuciones probabilísticas; los resultados de éstas se pueden utilizar para analizar datos estadísticos. La probabilidad es útil para comprobar la fiabilidad de las inferencias estadísticas y para predecir el tipo y la cantidad de datos necesarios en un determinado estudio estadístico.


METODOS ESTADISTICOS

La materia prima de la estadística consiste en conjuntos de números obtenidos al contar o medir elementos. Al recopilar datos estadísticos se ha de tener especial cuidado para garantizar que la información sea completa y correcta.
El primer problema para los estadísticos reside en determinar qué información y en que cantidad se ha de reunir. En realidad, la dificultad al compilar un censo está en obtener el número de habitantes de forma completa y exacta; de la misma manera que un físico que quiere contar el número de colisiones por segundo entre las moléculas de un gas debe empezar determinando con precisión la naturaleza de los objetos a contar. Los estadísticos se enfrentan a un complejo problema cuando, por ejemplo, toman una muestra para un sondeo de opinión o una encuesta electoral. El seleccionar una muestra capaz de representar con exactitud las preferencias del total de la población no es tarea fácil.
Para establecer una ley física, biológica o social, el estadístico debe comenzar con un conjunto de datos y modificarlo basándose en la experiencia. Por ejemplo, en los primeros estudios sobre crecimiento de la población, los cambios en el número de habitantes se predecían calculando la diferencia entre el número de nacimientos y el de fallecimientos en un determinado lapso. Los expertos en estudios de población comprobaron que la tasa de crecimiento depende sólo del número de nacimientos, sin que el número de defunciones tenga importancia. Por tanto, el futuro crecimiento de la población se empezó a calcular basándose en el número anual de nacimientos por cada 1.000 habitantes. Sin embargo, pronto se dieron cuenta que las predicciones obtenidas utilizando este método no daban resultados correctos. Los estadísticos comprobaron que hay otros factores que limitan el crecimiento de la población. Dado que el número de posibles nacimientos depende del número de mujeres, y no del total de la población, y dado que las mujeres sólo tienen hijos durante parte de su vida, el dato más importante que se ha de utilizar para predecir la población es el número de niños nacidos vivos por cada 1.000 mujeres en edad de procrear. El valor obtenido utilizando este dato mejora al combinarlo con el dato del porcentaje de mujeres sin descendencia. Por tanto, la diferencia entre nacimientos y fallecimientos sólo es útil para indicar el crecimiento de población en un determinado periodo de tiempo del pasado, el número de nacimientos por cada 1.000 habitantes sólo expresa la tasa de crecimiento en el mismo periodo, y sólo el número de nacimientos por cada 1.000 mujeres en edad de procrear sirve para predecir el número de habitantes en el futuro.

POBLACION, INDIVIDUO, CARÁCTER.

El primer campo de actuación de la estadística, como se ha visto, es la demografía. De esta ciencia ha tomado la nomenclatura (población, individuo…).
Se llama población al conjunto de todos los elementos cuyo conocimiento interesa. Cada uno de esos elementos es un individuo. Si se está estudiando el resultado de ciertos experimentos químicos, cada uno de esos experimentos será un individuo estadístico y el conjunto de todos los posibles experimentos en esas condiciones será la población.
Cada individuo puede ser descrito mediante uno o varios caracteres. Por ejemplo, si los individuos son personas, el sexo, el estado civil, el número de hermanos o su estatura son caracteres. Y si el individuo es una reacción química, el tiempo de reacción, la cantidad de producto obtenido o si éste es ácido o básico serán posibles caracteres que pueden analizarse.
Un carácter puede ser cuantitativo si es medible numéricamente o cualitativo si no admite medición numérica. El número de hermanos y la estatura son caracteres cuantitativos mientras que el sexo y el estado civil son caracteres cualitativos.
Los distintos valores que puede tomar un carácter cuantitativo configuran una variable estadística. La variable estatura, en cierta población estadística, toma valores en el intervalo 147-205; y la variable número de hermanos toma los valores 0, 1, 2, 3, 4, 5, 6, 7 y 8. Una variable estadística como esta última es discreta, ya que sólo admite valores aislados. Una variable estadística es continua si admite todos los valores de un intervalo, como ocurre con la estatura.

ESTADISTICA DESCRIPTIVA

La estadística descriptiva analiza, estudia y describe a la totalidad de individuos de una población. Su finalidad es obtener información, analizarla, elaborarla y simplificarla lo necesario para que pueda ser interpretada cómoda y rápidamente y, por tanto, pueda utilizarse eficazmente para el fin que se desee. El proceso que sigue la estadística descriptiva para el estudio de una cierta población consta de los siguientes pasos:
• Selección de caracteres dignos de ser estudiados.
• Mediante encuesta o medición, obtención del valor de cada individuo en los caracteres seleccionados.
• Elaboración de tablas de frecuencias, mediante la adecuada clasificación de los individuos dentro de cada carácter.
• Representación gráfica de los resultados (elaboración de gráficas estadísticas).
• Obtención de parámetros estadísticos, números que sintetizan los aspectos más relevantes de una distribución estadística.

ESTADISTICA INFERENCIAL

La estadística descriptiva trabaja con todos los individuos de la población. La estadística inferencial, sin embargo, trabaja con muestras, subconjuntos formados por algunos individuos de la población. A partir del estudio de la muestra se pretende inferir aspectos relevantes de toda la población. Cómo se selecciona la muestra, cómo se realiza la inferencia, y qué grado de confianza se puede tener en ella son aspectos fundamentales de la estadística inferencial, para cuyo estudio se requiere un alto nivel de conocimientos de estadística, probabilidad y matemáticas.


PROBABILIDAD

Probabilidad, rama de las matemáticas que se ocupa de medir o determinar cuantitativamente la posibilidad de que ocurra un determinado suceso. La probabilidad está basada en el estudio de la combinatoria y es fundamento necesario de la estadística.
La creación de la probabilidad se atribuye a los matemáticos franceses del siglo XVII Blaise Pascal y Pierre de Fermat, aunque algunos matemáticos anteriores, como Gerolamo Cardano en el siglo XVI, habían aportado importantes contribuciones a su desarrollo. La probabilidad matemática comenzó como un intento de responder a varias preguntas que surgían en los juegos de azar, por ejemplo, saber cuántos dados hay que lanzar para que la probabilidad de que salga algún seis supere el 50%.

BLAISE PASCAL

La probabilidad de un resultado se representa con un número entre 0 y 1, ambos inclusive. La probabilidad 0 indica que el resultado no ocurrirá nunca, y la probabilidad 1, que el resultado ocurrirá siempre.
El cálculo matemático de probabilidades se basa en situaciones teóricas en las cuales puede configurarse un espacio muestral cuyos sucesos elementales tengan todos la misma probabilidad. Por ejemplo, al lanzar un dado ideal, la probabilidad de cada una de las caras es 1/6. Al lanzar dos dados, la probabilidad de cada uno de los resultados es 1/36.
En estos casos, la probabilidad de un suceso cualquiera S, se calcula mediante la regla de Laplace: P[S] = número de sucesos elementales de S / número total de sucesos elementales
La expresión anterior se suele expresar del siguiente modo: P[S] = número de casos favorables a S / número de casos posibles
El matemático francés Pierre de Fermat destacó por sus importantes aportaciones a la teoría de la probabilidad y al cálculo diferencial. También contribuyó al desarrollo de la teoría de números.
La aplicación de la regla de Laplace en casos elementales es muy sencilla. Por ejemplo, en la experiencia de lanzar un dado: P[{2, 3, 4, 5}] = 4/6
pues {2, 3, 4, 5} tiene 4 sucesos elementales y la experiencia admitía, en total, seis posibilidades.
Sin embargo, la aplicación de esta regla en experimentos más complejos requiere el uso de la combinatoria. Por ejemplo, al extraer tres cartas de una baraja y ver la probabilidad de que las tres sean tréboles, el número total de sucesos elementales es C523 = (52·51·50)/(3·2·1) = 22.100. Los casos favorables son C133= (13·12·11)/(3·2·1) = 286. Por tanto, la probabilidad pedida es: P[TRES TRÉBOLES] = 286/22.100 = 143/11.050
La resolución de este tipo de problemas se simplifica notablemente si consideramos “sacar tres naipes” como una experiencia compuesta por tres experiencias simples: “sacar un naipe y después otro y después otro”.
CALCULO DE PROBABILIDADES EN EXPERIENCIAS COMPUESTAS
El cálculo de probabilidades en una experiencia compuesta se realiza multiplicando las probabilidades de los sucesos componentes.
Si las experiencias son independientes (el resultado de una no influye en las siguientes), entonces P[S1 y S2 y…y Sn] = P[S1]·P[S2]…P[Sn]
Así, para calcular la probabilidad de que al tirar tres dados no se obtenga ningún 6 se procederá así: P[ningún 6] = P[no 6]·P[no 6]·P[no 6] = (5/6)3 = 125/216
Si las experiencias son dependientes (el resultado de cada una influye en las probabilidades de las siguientes), entonces P[S1 y S2 y…y Sn]= P[S1]·P[S2/supuesto que ocurrió S1]…P[Sn/supuesto que ocurrieron S1 y S2 y…]
Así, para calcular la probabilidad de obtener tres tréboles al extraer tres cartas de una baraja, se procederá así: P[TRES TRÉBOLES] = P[1ª tréboles]·P[2ª tréboles/1ª tréboles]·P[3ª tréboles/1ª y 2ª tréboles] = (13/52)·(12/51)·(11/50) = 143/11.050


LEY DE LOS GRANDES NUMEROS

Según se ha visto, la regla de Laplace sirve para calcular probabilidades de sucesos extraídos de experimentos ideales en los cuales se da por sentado que los distintos sucesos elementales son equiprobables. Sin embargo, la realidad no es así. Por ejemplo, en un dado real la probabilidad de que salga un 4 no es 1/6. Si el dado es muy perfecto, P[4] será, acaso, un número próximo a 1/6, pero no exactamente 1/6. En cualquier caso, se ignora cuál es el valor exacto de la probabilidad para cada dado en concreto. La forma de averiguar esos valores es mediante la ley de los grandes números. Esta ley afirma que la frecuencia relativa de un suceso, fr(S), cuando el número de experiencias se hace muy grande (tiende a infinito), se estabiliza en torno a un valor que es la probabilidad del suceso, P[S]. Esto se expresa, simbólicamente del siguiente modo: lim fr(S) = P[S]
Según esta ley, para averiguar la probabilidad de un suceso S, se debe realizar la experiencia reiteradamente y calcular la frecuencia relativa de S. Cuanto mayor sea el número de experiencias realizadas más fiable es la estimación de la probabilidad P[S] a partir de la frecuencia relativa fr(S).
Las compañías de seguros evalúan las probabilidades de los sucesos que les interesan (accidentes de coches, inundaciones, epidemias,…) mediante una minuciosa recopilación de datos (experiencias) que les permiten inferir dichas probabilidades con suficiente aproximación como para poder asignar las cuotas de manera justa.