Cuanto más probable es que ocurra un evento, su medida de ocurrencia estará más próximo a 1 o a 100%, y cuanto menos probable, más se aproxima al cero.
- Enfoque clásico o a priori: es el número de casos favorables dividido por el número de casos posibles. Es una probabilidad teórica. Si un evento puede ocurrir de N formas, las cuales se excluyen mutuamente y son igualmente probables, y si m de esos eventos poseen una característica E, la probabilidad de ocurrencia de E es igual a m/NP(E) = 𝑀/𝑁LEY DE LOS GRANDES NÚMEROS:Inicialmente esa probabilidad real puede no cumplirse, pero si repetimos muchas veces el experimento, la frecuencia relativa de un suceso A, cualquiera, tiende a estabilizarse en torno al valor “a priori”.
- Frecuencia relativa o probabilidad a posteriori, que es el valor real del suceso. Hay fenómenos en los que la probabilidad a priori coincide con a posteriori, por ejemplo, en un dado hay las mismas probabilidades de que salga un número u otro. Si un suceso es repetido un gran número de veces, y si algún evento resultante, con la característica E ocurre m veces, la frecuencia relativa de la ocurrencia E, m/n, es aproximadamente igual a la probabilidad de ocurrencia de E
- Probabilidad subjetiva: mide la confianza que el individuo tiene sobre la certeza de una proposición determinada.
EVENTOS O SUCESOS:
- Suceso o evento a un subconjunto de dichos resultados. Por ejemplo: las veces que sale la cara en la moneda
- Evento complementario de un suceso A: formado por los elementos que no están en A y se denota Ac.
- Evento unión de A y B: formado por los resultados experimentales que están en A o en B (incluyendo todos los que están en ambos) El evento A es ser mujer y el B es ser rubia: AUB sería la suma de ser mujer o la suma de ser rubia.
- Evento intersección de A y B: formado por los elementos que están entre A y B. El evento A es ser mujer y el B es ser rubia: A intersección B sería la suma de ser mujer y la suma de ser rubia, es decir, poseer las dos características
DISTRIBUCIÓN DE PROBABILIDAD EN VARIABLES DISCRETAS:
-DISTRIBUCIÓN BINOMIAL
-DISTRIBUCIÓN DE POISSON
DISTRIBUCIONES NORMALES
La tipificación de valores se puede realizar si…
- Trabajamos con variables continuas que sigue una distribución normal y tiene más de 100 unidades (Ley de los Grandes Números)
- La tipificación nos permite conocer si otro valor corresponde o no a esa distribución de frecuencia
Sabemos por la forma de la curva que:
- La media coincide con lo más alto de la campana: 8
- La desviación típica es de 2 puntos o 50% tiene puntuaciones >8 porque la media coincide con la mediana y deja un 50 por arriba y otro por abajo. o 50% tiene puntuaciones <8
- Aproximadamente el 68% puntúa entre 6 y 10 o Media +/- 1 desviación típica: 68,26% Media +/-2 desviación típica: 95% Media +/-3 desviación típica: 99%’0
No hay comentarios:
Publicar un comentario