NOMBRE DEL TUTOR:

LUIS MONREAL

NOMBRE:
ROCIO MARIBEL RODRIGUEZ ESPINOSA

FECHA DE ENTREGA:

23 de abril 2023

NOMBRE DE LA MATERIA:

ESTADISTICA
 Temas

DESARROLLA LOS SIGUIENTES:

- TABLAS Y GRÁFICAS

- MEDIDAS DE TENDENCIA CENTRAL Y VARIABILIDAD PARA

DATOS NO AGRUPADOS

- MEDIDAS DE POSICIÓN Y VARIABILIDAD PARA DATOS NO

AGRUPADOS

- CONCEPTOS DE PROBABILIDAD
 TABLAS Y GRÁFICAS
Los gráficos y las tablas representan e interpretan información procedente de diferentes fuentes, de
forma clara, precisa y ordenada. Casi todo tipo de información puede organizarse en una tabla de
datos y ser representada en algún tipo de gráfico.
Según las características y la cantidad de datos, conviene utilizar uno u otro gráfico.
Gráficos
Los gráficos permiten visualizar la información contenida en las tablas de manera rápida y sencilla,
demostrando con mayor claridad la relación que estos datos tienen entre sí.
Los más conocidos son:
A- Gráficos de barras
Son aquellos que emplean rectángulos (barras) que se colocan paralelamente. La altura indica la
frecuencia de ese dato. Los gráficos de barras, permiten representar información numérica en forma
clara y ordenada, para comunicarla a otras personas. Con la información representada en los gráficos
puedes interpretar rápidamente y de manera visual la información, facilitando su posterior análisis.

Para construir un gráfico de barras, debes dibujar un eje vertical y otro horizontal. En el espacio libre
se ubican las barra. Los datos numéricos van en el eje vertical (determinando la altura de las barras)
y las categorías en el eje horizontal.

B- Gráficos de líneas o lineal

Es un conjunto de puntos conectados por una línea en un sistema cartesiano, que muestran
tendencias de una variable a lo largo de un período de tiempo.
C- Gráfico de torta o por sectores
Es un diagrama en círculo que representa visualmente información en tajadas imaginarias de una
torta.

D- Pictogramas
Son los más llamativos, ya que se representan por medio de dibujos, se reemplaza las barras por
dibujos. Se usan para lograr el interés masivo del público.

E- Histograma
Es un gráfico formado por barras contiguas, donde cada una representa un intervalo de valores, sirve
para expresar información sobre datos que están agrupados.
Tablas
Son las que organizan los datos para mostrar qué tan seguido ocurre algo (frecuencia), permite
organizar la información numérica recogida, por ejemplo, a través de una encuesta.
Frecuencia
Tanto en las tablas como en los gráficos el número de veces que se repite un dato se
denomina frecuencia de ese dato.
En la tabla se organizan todos los datos junto a las frecuencias que les corresponden.
Ej:

En el gráfico o diagrama de barras, cada dato se representa mediante una barra cuya altura indica
la frecuencia, es decir, cuantas veces se repite ese dato.
Ej:
Ejemplo práctico
Para que comprendas mejor, revisaremos paso por paso un ejercicio:
A- Los niños de un curso, elaboraron una encuesta para saber cuál película era la preferida por el
curso, los resultados que obtuvieron fueron los siguientes:
- 12 alumnos dijeron: Los pitufos
- 16 alumnos dijeron: Thor
- 10 alumnos dijeron: Linterna verde3
- 6 alumnos dijeron: Crepúsculo
Ahora esta encuesta la graficaremos en una tabla de frecuencia, para ello realizaremos una tabla
con 4 casillas, que son las películas escogidas por los alumnos:

Ahora debemos agregar un título a la columna con el listado de las películas al que
llamaremos “Películas” y la columna de la derecha donde aparecen los datos con la cantidad de
alumnos a quién le hicimos la encuesta, la llamaremos “Alumnos del curso”, además colocaremos
los resultados:

Con estos datos podemos observar de manera clara que la película que prefieren los alumnos
es Thor.
Con los datos de la tabla podemos realizar un gráfico. Para realizar el gráfico, lo primero que
debemos hacer es dibujar los ejes de coordenadas, uno vertical y el otro horizontal, como se ve a
continuación:

En el eje vertical, vamos a representar el número de veces que han elegido los alumnos sus películas
preferidas y en el eje horizontal, vamos a representar las películas.
Hora solo tenemos que marcar en el gráfico los datos que hemos recogido en la tabla.
La moda es el dato que tiene mayor frecuencia, en este caso es la película Thor.
 MEDIDAS DE TENDENCIA CENTRAL Y VARIABILIDAD PARA
DATOS NO AGRUPADOS

Medidas de Tendencia Central para datos no agrupados

para que una calificación tenga significado hay que contar con elementos de referencia generalmente
relacionados con ciertos criterios estadísticos.
Supóngase que un determinado alumno obtiene 35 puntos en una prueba de matemática.
Este puntaje, por sí mismo tiene muy poco significado a menos que podamos conocer el total de
puntos que obtiene una persona promedio al participar en esa prueba, saber cuál es la calificación
menor y mayor que se obtiene, y cuán variadas son esas calificaciones.
Medidas de tendencia central: Son indicadores estadísticos que muestran hacía que valor (o valores)
se agrupan los datos.
Existen tres medidas comunes para identificar el centro de un conjunto de datos: la media, mediana
y moda. En cada caso, se ubican alrededor del punto en donde se aglomeran los datos.

Media aritmética: Medida de tendencia central usualmente llamada promedio, se define como la
división de la suma de todos los valores entre el número de datos.
MEDIANA: Del conjunto de datos obtenidos es el valor que al organizar los datos en orden
ascendente o descenderte a la mitad o centro de los mismos. La posición que ocupa la mediana
puede ser determinada mediante la siguiente fórmula:
Mediana =X [(n/2) +1/2]
Ejemplo: Dados los siguientes 8 datos ordenados en orden ascendente: 5,8,8,11,11,11,14,16.,
encuentra la mediana.
Utilizando la fórmula para ubicar la posición del dato que representa la mediana indica que:
Mediana = (8/2) +1/2 = 4.5
Por lo que la mediana está ubicada entre el dato 4 y 5; el valor del dato 4 es “ 11” y del dato 5 es “
11”, por lo que al sacar el promedio, da que la mediana de la muestra estudiada es 11.
MODA: Es el dato que ocurre con mayor frecuencia en un conjunto de elementos estudiados. Del
ejemplo anterior donde los datos recopilados son: 5,8,8,11,11,11,14,16; el dato que ocurre con mayor
frecuencia es el valor 1, siendo este valor la moda.
MEDIA PONDERADA: es una media aritmética, en la cual se considera a cada uno de los valores
de acuerdo con su importancia en el grupo.
Mediana Ponderada
En donde:
X = Observación individual
Q= el peso o ponderación asignada a cada observación
Medidas de Tendencia Central para datos agrupados
Cuando se trabaja con datos que han sido agrupados en una distribución de frecuencias, no se sabe
con certeza los valores individuales de cada dato. Por lo que se utilizan métodos alternos para
aproximar los valores de las medidas descriptivas.
MEDIA PARA DATOS AGRUPADOS: Al calcular la media para datos agrupados, se supone que las
observaciones en cada clase son iguales al punto medio de la
MEDIANA: Primero se encuentra la clase mediana, la cual es la clase cuya frecuencia acumulada
es mayor o igual a n/2 y puede determinarse mediante la siguiente fórmula:

LA MODA es la observación que ocurre con mayor frecuencia, por lo que es necesario identificar la
clase modal, esta se localiza encontrando la clase que tenga más frecuencia.
 MEDIDAS DE VARIABILIDAD
Ejemplos
Las medidas de dispersión permiten conocer la variabilidad de un conjunto de datos. Al hablar de
dispersión se debe considerar que la calidad de la información y la variación están inversamente
relacionadas. De aquí la necesidad de medir la variación que existe en un conjunto de datos. Las
más comunes son el rango, varianza, desviación estándar y el coeficiente de variación.
Rango
Es la diferencia entre las observaciones mayor y menor, pero posee el inconveniente de que no toma
en consideración la forma en que se distribuyen los datos entre los valores más pequeños y más
grandes.

Varianza
Miden la dispersión “promedio” en torno a la media, es decir cómo fluctúan las observaciones
mayores por encima de la media y cómo se distribuyen las observaciones menores por debajo de
ella.

Desviación estándar
Es la raíz cuadrada de la varianza

Puede observarse que ni la varianza ni la desviación estándar, pueden ser negativos, y hay un único
caso en que pueden ser nulos: cuando todos los valores de la muestra son iguales.

Coeficiente de variación (CV)

Expresa la variación de un conjunto de datos en relación a su mediase, se reporta como el porcentaje
en el cual se compara la desviación estándar con el valor del promedio de los datos. Es útil cuando
se compara la variabilidad de dos o más conjuntos de datos, expresados en diferentes unidades.
En algunas situaciones se recomienda un valor menor al 10% el estimador se considera aceptable
– Para datos sesgados o agrupados, el coeficiente de variación cuartil puede ser más útil que el CV.
Sesgo y Curtosis
– Sesgo. Es una medida de la desviación de una muestra con respecto a la media de una distribución
normal. En otras palabras, mide la asimetría en la distribución de un conjunto de datos.
El sesgo es cero cuando se tiene una distribución simétrica con respecto a la media. Cuando es
positivo indica que las observaciones se agrupan a la izquierda de la media, con la mayoría de los
valores extremos a la derecha de la media. En otras palabras el signo del sesgo indica hacia que
lado de la media se tienen los valores extremos.
-Curtosis. Es una medida del pico o aplanado de una distribución. Una distribución normal estándar
tiene una curtosis de 3. De tal manera que un valor mayor que 3.0 indica un pico mayor a una
distribución normal, mientras un valor menor que 3.0 indica una distribución más aplanada que una
normal.
 MEDIDAS DE POSICIÓN Y VARIABILIDAD PARA DATOS NO
AGRUPADOS
Media: es el valor medio de la serie de datos. Se pueden calcular diversos tipos de media, siendo las
más utilizadas la media aritmética y la geométrica. Lo más positivo de la media es que en su cálculo
se utilizan todos los valores de la serie, por lo que no se pierde ninguna información. Sin embargo,
presenta el problema de que su valor (tanto en el caso de la media aritmética como geométrica) se
puede ver muy influido por valores extremos, que se aparten en exceso del resto de la serie. Estos
valores anómalos podrían condicionar en gran medida el valor de la media, perdiendo ésta
representatividad. Según el tipo de datos que se analice será más apropiado utilizar la media
aritmética o la media geométrica. En todo caso, la media aritmética es la medida de posición central
más utilizada.

Media (media aritmética) ( X )

Es la suma de todos los datos y dividido por el total de datos de la muestra: Es la medida de
localización usada con mayor frecuencia se conoce simplemente como la media.
Ventajas:
1. Se trata de un concepto familiar para la mayoría de las personas y es intuitivamente claro.
2. Cada conjunto de datos tiene una media, es una medida que puede calcularse y es única debido
a que cada conjunto de datos posee una y sólo una media.
3. Es útil para llevar a cabo procedimientos estadísticos como la comparación de medias de varios
conjuntos de datos.
Desventajas:
1. Puede verse afectada por valores extremos que no son representativos del resto de los datos.
2. Resulta tedioso calcular la media debido a que utilizamos cada uno de los puntos de dato de
nuestro cálculo.
3. Somos incapaces de calcular la media para un conjunto de datos que tiene clases de extremo
abierto, ya sea en el inferior o en el superior de la escala.
Media geométrica (G)

La media geométrica se suele utilizar en series de datos como tipos de interés anuales, inflación,
etc., donde el valor de cada año tiene un efecto multiplicativo sobre el de los años anteriores. Se
eleva cada valor al número de veces que se ha repetido. Se multiplican todo estos resultados y al
producto final se le calcula la raíz "n" (siendo "N" el total de datos de la muestra).

Mediana (m ) %

La mediana es el valor central de los datos, es decir, supuesta la muestra ordenada en orden
creciente o decreciente, el valor que divide en dos partes la muestra. Es el valor de la serie de datos
que se sitúa justamente en el centro de la muestra (un 50% de valores son inferiores y otro 50% son
superiores).
No presentan el problema de estar influido por los valores extremos, pero en cambio no utiliza en su
cálculo toda la información de la serie de datos (no pondera cada valor por el número de veces que
se ha repetido). Es mejor usar la mediana que la media cuando se trata de un conjunto de datos en
el cual existen datos con valores extremos.

Ventajas y desventajas de la mediana:

Los valores extremos no afectan a la mediana tan intensamente como a la media. La mediana es
fácil de entender y se puede calcular a partir de cualquier tipo de datos incluso a partir de datos
agrupados con clases de extremo abierto a menos que la mediana entre en una clase de extremo
abierto.
Podemos encontrar la mediana incluso cuando nuestros datos son descripciones cualitativas, en
lugar de números.
Ciertos procedimientos estadísticos que utilizan la mediana son más complejos que aquellos que
utilizan la media e implica consumo de tiempo para cualquier conjunto de datos que contenga un
gran número de elementos. Por consiguiente, si deseamos utilizar una estadística de muestra para
estimar un parámetro de población, la media es más fácil de usar que la mediana.
Si el tamaño de la muestra es n y todos los datos se ordenan en forma ascendente
Si n es Impar, hay un término central y la mediana es el valor del elemento intermedio, es decir el
término será el valor de la mediana.

Si N es Par, hay dos términos centrales, la mediana es el valor promedio de los dos elementos
intermedios es decir la mediana será la media de esos dos valores

Moda(Mo)
La moda es el valor de la variable que tenga mayor frecuencia absoluta, la que más se repite, es la
única medida de centralización que tiene sentido estudiar en una variable cualitativa, pues no precisa
la realización de ningún cálculo.
Si bien a simple vista no se ve la centralidad de la moda, debemos indicar que, en un grupo normal,
de tendencia a un grupo central, la mayoría de los datos se encuentran cercanos a este punto central,
por lo que se presume que el dato que más se repite estará cercano al punto central. No existe moda
si todos los valores son diferentes o si se presentan el mismo número de veces. Si dos o más ocurren
el mismo número de veces (con mayor frecuencia que las demás observaciones) entonces existe
más de una moda y la muestra se puede considerar como polimodal). Si el dato que más se repite
no es uno sino dos datos, se dice que el espacio es bimodal, si tres trimodal,... o en general el espacio
es polimodal
Ventajas y desventajas de la moda:
La moda, al igual que la mediana, se puede utilizar como una posición central para datos tanto
cualitativos como cuantitativos.
También, al igual que la mediana, la moda no se ve mayormente afectada por los valores extremos.
Incluso si los valores extremos son muy altos o muy bajos, nosotros escogemos el valor más
frecuente del conjunto de datos como el valor modal. Podemos utilizar la moda sin importar qué tan
grandes o qué tan pequeños sean los valores del conjunto de datos, e independientemente de cuál
sea su dispersión.
La podemos utilizar aun cuando una o más clases sean de extremo abierto.
Muy a menudo, no existe un valor modal debido a que el conjunto de datos no contiene valores que
se presenten más de una vez. En otras ocasiones, cada valor es la moda, pues cada uno de ellos se
presenta el mismo número de veces. Otra desventaja consiste en que cuando los datos contienen
dos, tres o más modas, resultan difíciles de interpretar y comparar.
Comparación entre la media, la mediana y la moda.
Cuando trabajamos un problema de estadística, debemos decidir si vamos a utilizar la media, la
mediana o la moda como medidas de tendencia central. Las distribuciones simétricas que sólo
contienen una moda, siempre tienen el mismo valor para la media, la mediana y la moda. En tales
casos, no es necesario escoger la medida de tendencia central, pues ya está hecha la selección.
En una distribución positivamente sesgada (es decir, sesgada hacia la derecha), la moda todavía se
encuentra en el punto más alto de la distribución, la mediana está hacia la derecha de la moda y la
media se encuentra todavía más a la derecha de la moda y la mediana.
En una distribución negativamente sesgada, la moda sigue siendo el punto más alto de la
distribución, la mediana está hacia la izquierda de ella y la media se encuentra todavía más a la
izquierda de la moda y la mediana.
Cuando la población está sesgada negativa o positivamente, con frecuencia la mediana resulta ser
la mejor medida de posición, debido a que siempre está entre la moda y la media. La mediana no se
ve altamente influida por la frecuencia de aparición de un solo valor como es el caso de la moda, ni
se distorsiona con la presencia de valores extremos como la media.
Media ponderada ó pesada (xw )
Es un promedio de un conjunto de datos, pero donde te permitís definir el grado de importancia al
aporte de ese promedio. La media pesada nos permite calcular, el promedio que toma en cuenta la
importancia de cada valor con respecto al total. Los promedios pesados toman en

cuenta las diferentes cantidades de cada nivel de trabajo que se utiliza en la elaboración de los
productos. Además, toma en cuenta no nada más el valor de cada de dato, sino también con qué
frecuencia éste se presenta en la población.
Dónde: w es el peso asignado a cada observación

w xes la suma de los productos del peso de cada elemento por el elemento correspondiente
 w es la suma de todos los pesos.

Ejemplo
Para calcular el promedio final de los exámenes de un alumno, son considerados de la siguiente
manera, cada examen final es cuatro veces mas importante que los parciales, así si un alumno
obtuvo: 69 puntos, 75 puntos, 62 puntos y 73 puntos en parciales mas 78 puntos en final, su promedio
ponderado será: (69.1 +75.1+62.1+73.1+78.4)/5

Ejemplo
A continuación se mencionan las materias que Luis Pérez llevó en el primer semestre de Ingeniería
Química, el número de créditos y la calificación obtenida. Determina la calificación promedio que
obtuvo Luis Pérez en su primer semestre

Nota: Sí comparamos este promedio con el que se obtiene usando simplemente la media aritmética,
que es un 88.91, nos damos cuenta de que este último es mayor, por no tomar en cuenta el peso o
número de créditos que aporta cada materia a la carrera que se estudia, el promedio de esta persona
es menor al de la media aritmética debido a que obtiene una calificación baja es Química que es una
de las materias que aporta más créditos.
Rango ( R) [o recorrido, también se le conoce como amplitud o intervalo]
Mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor más elevado
y el valor más bajo.
También llamado desviación total, es la diferencia entre los valores mayor y menor de una muestra.
Casi nunca se usa porque se basa sólo en dos de los elementos y, por consiguiente, está muy
influido por los valores extremos de los datos

Varianza(s2 )
Mide la distancia existente entre los valores de la serie y la media. Se calcula como sumatoria de las
diferencias al cuadrado entre cada valor y la media, multiplicadas por el número de veces que se ha
repetido cada valor. la sumatoria obtenido se divide por el tamaño de la muestra.
Es una medida de la dispersión que emplea todos los valores de los datos. Se basa en la diferencia
entre cada valor y la media. La varianza es útil para comparar la dispersión, o variabilidad de dos
conjuntos de datos. Se define como el cuadrado de la desviación típica.

La varianza siempre será mayor que cero. Mientras más se aproxima a cero, más concentrados están
los valores de la serie alrededor de la media. Por el contrario, mientras mayor sea la varianza, más
dispersos están.
Desviación estándar ( S )
La desviación estándar nos permite determinar, con un buen grado de precisión, dónde están
localizados los valores de una distribución de frecuencias con relación a la media. El teorema de
Chebyshev dice que no importa qué forma tenga la distribución, al menos 75% de los valores caen
dentro de + 2 desviaciones estándar a partir de la media de la distribución, y al menos 89% de los
valores caen dentro de + 3 desviaciones estándar a partir de la media.
Con más precisión:
Aproximadamente 68% de los valores de la población cae dentro de + 1 desviación estándar a partir
de la media.
Aproximadamente 95% de los valores estará dentro de + 2 desviaciones estándar a partir de la
media.
Aproximadamente 99% de los valores estará en el intervalo que va desde tres desviaciones estándar
por debajo de la media hasta tres desviaciones estándar por arriba de la media.
La desviación estándar se define como la raíz cuadrada positiva de la varianza. Nos indica el grado
más o menos fuerte de dispersión respecto al valor central “media aritmética”. Es más fácil interpretar
la desviación estándar que la varianza, ya que está va a tener unidades al cuadrado, mientras la
desviación estándar nos da las unidades tal como son.

Ejemplo
Halla la desviación estándar y la varianza de la siguiente serie de datos:
10, 18, 15, 12, 3,6,5,7.

Ejemplo
Vamos a utilizar la tabla de distribución de frecuencias con los datos de la estatura de los alumnos.
Para calcular los valores de las distintas posiciones centrales
Coeficiente de variación de Pearson:(V)

Se calcula como cociente entre la desviación típica y la media. Una característica de la

desviación estándar es que depende de las unidades de medición, por lo que se requiere de una
medida de variación relativa, como el coeficiente de variación (V) que expresa la desviación
estándar como un porcentaje de la media:

Al comparar los coeficientes de variación (que son porcentajes), podemos comparar las
dispersiones de dos o más conjuntos de datos que pertenecen a diferentes clases de mediciones,
por ejemplo: altura, peso, velocidad, edad, cantidades monetarias, etc...

El interés del coeficiente de variación es que al ser un porcentaje permite comparar el nivel de
dispersión de dos muestras. Esto no ocurre con la desviación típica, ya que viene expresada en
las mismas unidas que los datos de la serie.
Por ejemplo, para comparar el nivel de dispersión de una serie de datos de la altura de los
alumnos de una clase y otra serie con el peso de dichos alumnos, no se puede utilizar las
desviaciones típicas (una viene expresada en cm y la otra en kg). En cambio, sus coeficientes de
variación son ambos porcentajes, por lo que sí se pueden comparar.
 Ejemplo
Se tiene una serie de datos en los que x = 1.253 y con s=0.0320 entonces el Coeficiente de variación
de Pearson: se calcula como cociente entre la desviación típica y la media de la muestra.
V=0.0320/1.253=0.0255

Teorema de Chebyshev (Tchebycheff)

Para cualquier conjunto de datos (de una población o una muestra) y cualquier constante k
mayor que 1, el porcentaje de los datos que debe caer dentro de k-veces la desviación típica de
1
cualquier lado de la media es de por lo menos: 1  k
2
El teorema de Chebyshev se aplica a cualquier tipo de datos, pero sólo nos indica “por lo menos
que porcentaje” debe caer entre ciertos límites. Pero para casi todos los datos, el porcentaje
real de datos que cae entre esos limites es bastante mayor que el que especifica el teorema
de Chebyshev.
Para las distribuciones que tienen forma de campana puede hacerse una aseveración más
fuerte:
 CONCEPTOS DE PROBABILIDAD

El término probabilidad proviene de lo probable, o sea, de aquello que es más posible que ocurra, y
se entiende como el mayor o menor grado de posibilidad de que un evento aleatorio ocurra,
expresado en una cifra entre 1 (posibilidad total) y 0 (imposibilidad absoluta), o bien
en porcentajes entre el 100% o el 0%, respectivamente.

Para obtener la probabilidad de un suceso, generalmente se determina la frecuencia con la que

ocurre (en experimentos aleatorios bajo condiciones estables), y se procede a realizar cálculos
teóricos.

Para ello se sigue lo establecido por la Teoría de la probabilidad, una rama de

las matemáticas dedicada al estudio de la probabilidad. Esta disciplina es largamente empleada por
otras ciencias naturales y sociales como disciplina auxiliar, ya que les permite manejar escenarios
posibles en base a generalizaciones.

El origen de la probabilidad reside en la necesidad del ser humano de anticiparse a los hechos, y de
predecir en cierta medida el futuro. Así, en su empeño por percibir patrones y conexiones en la
realidad, se enfrentó constantemente al azar, o sea, a lo que carece de orden.

Las primeras consideraciones formales sobre esta materia provienen del siglo XVII, específicamente
de la correspondencia entre Pierre de Fermat y Blaise Pascal en 1654, o de los estudios de Christiaan
Huygens en 1657 y de la Kybeia de Juan Caramuel en 1649, texto hoy en día perdido.
Tipos de probabilidad
Existen los siguientes tipos de probabilidad:

Frecuencial. Aquella que determina la cantidad de veces que un fenómeno puede ocurrir,
considerando un número determinado de oportunidades, a través de la experimentación.
Matemática. Pertenece al ámbito de la aritmética, y aspira al cálculo en cifras de la probabilidad de
que determinados eventos aleatorios tengan lugar, a partir de la lógica formal y no de su
experimentación.

Binomial. Aquella en la que se estudia el éxito o fracaso de un evento, o cualquier otro tipo de
escenario probable que tenga dos posibles resultados únicamente.
Objetiva. Se denomina así a toda probabilidad en la que conocemos de antemano la frecuencia de
un evento, y simplemente se dan a conocer los casos probables de que ocurra dicho evento.

Subjetiva. Contrapuesta a la matemática, se sustenta en ciertas eventualidades que permiten inferir

la probabilidad de un evento, aunque alejada de una probabilidad certera o calculable. De allí su
subjetividad.
Hipergeométrica. Aquella que se obtiene gracias a técnicas de muestreo, creando grupos de
eventos según su aparición.
Lógica. La que posee como rasgo característico que establece la posibilidad de ocurrencia de un
hecho a partir de las leyes de la lógica inductiva.

Condicionada. Aquella que se emplea para comprender la causalidad entre dos hechos distintos,
cuando puede determinarse la ocurrencia de uno tras la ocurrencia del otro.
Ejemplos de probabilidad
En meteorología, la probabilidad se calcula considerando múltiples condicionantes.

La probabilidad se halla continuamente a nuestro alrededor. Los ejemplos más obvios de ella tienen
que ver con juegos de azar: los dados, por ejemplo. Es posible determinar la frecuencia de aparición
de cada cara, a partir de una serie continua de lanzamientos del dado. O también puede hacerse con
la lotería, aunque ello exige cálculos tan enormes que, virtualmente, los hace imposibles de predecir.

También lidiamos con la probabilidad cuando consultamos el pronóstico del tiempo, y se nos advierte
un cierto porcentaje de probabilidad de lluvia. Dependiendo de la cifra, será más o menos probable
que llueva, pero podría ocurrir que no suceda, dado que se trata de una predicción, no de una certeza.
Fórmula para calcular la probabilidad
El cálculo de las probabilidades se lleva a cabo según la fórmula siguiente:
Probabilidad = Casos favorables / casos posibles x 100 (para llevarlo a porcentaje)

Así, por ejemplo, podemos calcular la probabilidad de que una moneda salga cara en un único
lanzamiento, pensando que sólo puede salir una cara (1) de las dos que hay (2), esto es, 1 / 2 x 100
= 50% de probabilidad.

En cambio, si decidimos calcular cuántas veces saldrá la misma cara en dos lanzamientos seguidos,
deberemos pensar que el caso favorable (cara y cara o sello y sello) es uno entre cuatro posibilidades
de resultado (cara y cara, cara y sello, sello y cara, sello y sello). Por ende, 1 / 4 x 100 = 25% de
probabilidad.
Aplicaciones de la probabilidad
El cálculo de la probabilidad tiene numerosas aplicaciones en la vida cotidiana, como son:

El análisis de riesgo empresarial. Según el cual se estiman las posibilidades de caída de precio de
las acciones bursátiles, y se intenta predecir la conveniencia o no de la inversión en una u otra
empresa.

El análisis estadístico de la conducta. De importancia para la sociología, emplea la probabilidad para

evaluar la posible conducta de la población, y así predecir tendencias de pensamiento o de opinión.
Es común verlo en las campañas electorales.

La determinación de garantías y seguros. Procesos en los que se evalúa la probabilidad de avería

de los productos o la fiabilidad de un servicio (o de un asegurado, por ejemplo), para así saber cuánto
tiempo de garantía conviene ofrecer, o a quiénes conviene asegurar y por cuánto.
En la ubicación de partículas subatómicas. Según el Principio de Incertidumbre de Heisenberg, el
cual establece que no podemos saber dónde está una partícula subatómica en un momento
determinado y al mismo tiempo a qué velocidad se mueve, de modo que los cálculos en la materia
se realizan normalmente en términos probabilísticos: existe X por ciento de probabilidades de que la
partícula esté allí.

En la investigación biomédica. Se calculan porcentajes de éxito y de fracaso de las drogas médicas

o de las vacunas, para así saber si son fiables o no, y si conviene o no producirlas en masa, o a qué
porcentaje de la población podrán causarle determinados efectos secundarios.