Professional Documents
Culture Documents
(CONCEPTOS)
A B = {x : x A ó x B}
La intersección de A y B se denota por AB y representa el
conjunto de elementos que pertenecen a A y a B
AB = {x : x A y x B}
Si A B = , en este caso A y B no tienen elementos comunes,
son disyuntos.
PROBABILIDAD
(CONCEPTOS)
OPERACIONES CON CONJUNTOS (cont.):
La diferencia entre A y B o también el complemento relativo de
B respecto a A, identificado como A\B es el conjunto de
lementos que pertenecen a A pero no a B:
A \ B = {x : x A, x B}
Observemos que A\B y B son disyuntos, es decir que:
(A\B) B =
El complemento absoluto o simplemente el complemento de A
se denota por Ac es el conjunto de elementos que no pertenecen
a A:
Ac = {x : x U, x A}
U se conoce como el conjunto universal
PROBABILIDAD
(CONCEPTOS)
OPERACIONES CON CONJUNTOS (cont.):
Diagramas de Venn:
A B A B
A B AB
A B A B
A\ B Ac
PROBABILIDAD
(CONCEPTOS)
REGLAS DE ALGEBRA DE LOS CONJUNTOS:
1a. A A = A 1b. A A = A
2a. (A B) C = A (B C) 2b. (A B) C = A (B C)
3a. A B = B A 3b. A B = B A
4a. A ( B C ) = (A B ) (A C) 4b. A ( B C ) = (A B ) (A C)
5a. A =A 5b. A U ) = A
6a. A U = U 6b. A =
7a. A Ac = U 7b. A Ac =
8a. (Ac)c = A 8b. Uc =
9a. (A B )c = Ac Bc 9b. (A B )c = Ac Bc
PROBABILIDAD
(CONCEPTOS)
PROBABILIDAD :
Probabilidad es el estudio de fenómenos aleatorios o no
determinísticos.
Ejemplos:
Lanzar una moneda al aire
Lanzar un dado
Seleccionar una carta de un mazo
La probabilidad “p” de un evento A,
p = P(A) = s/n
donde “s” es el numero posible de ocurrencias de A y “n” es
el número total de ocurrencias.
EJEMPLOS:
PROBABILIDAD
(CONCEPTOS)
ESPACIO MUESTRAL :
AXIOMAS DE PROBABILIDAD :
Sea S un espacio muestral, sea un conjunto de eventos en S y
sea P una función real definida en . En este caso P(A) se
denomina probabilidad de ocurrencia del evento A si se cumplen
los siguienes axiomas:
TEOREMAS :
Teorema No 1:
TEOREMAS :
Teorema No 2:
TEOREMAS :
S
A
Teorema No 3: B\A B
TEOREMAS :
Teorema No 4:
Si A y B son dos eventos cualquiera, se cumple que:
TEOREMAS :
B
A\B
Teorema No 5:
A
Si A y B son dos eventos cualquiera
Se cumple que:
P(A B) = P(A) + P(B) - P(A B)
A B puede ser descompuestos entre los eventos A\B y B
esto es: A B = (A\B) B
P(A B) = P(A\B) = P(A)- P(A B) + P(B)
y por lo tanto:
P(A B) = P(A) + P(B) - P(A B)
Corolario. Para tres eventos cualquiera A, B y C se cumple:
P(AB C)=P(A)+P(B)+P(C)-P(A B)-P(A C)-P(B C)+P(AB C)
PROBABILIDAD
(CONCEPTOS)
Ejemplo:
Supongamos que se lanza una moneda hasta que aparezca cara
en este caso n denota las veces que la moneda se lanza. El
espacio muestral será
S ={0, 1, 2, 3, . . ., }
Obtenemos un espacio probabilístico de la siguiente forma:
P(1)=1/2, P(2)=1/4, . . ., P()=0
PROBABILIDAD
(CONCEPTOS)
PROBABILIDAD CONDICIONAL :
Sea E un evento arbitrario en un espacio muestral S
con probabilidad P(E)> 0, y sea A un evento cualquiera
en el mismo espacio muestral.
La probabilidad de que el evento A ocurra una vez que
E a ocurrido, o sea la probabilidad condicional de A
dado que E ocurre se determina de la forma siguiente:
P(A E)
P(A|E) = E
P(E) A
S
PROBABILIDAD
(CONCEPTOS)
PROBABILIDAD CONDICIONAL :
Tal como se aprecia en el diagrama de Venn P(A|E), mide la
probabilidad relativa de A respecto al espacio muestral reducido
E.
En particular, si S es un espacio muestral finito equiprobable y
|A| indica el número de elementos contenidos en el evento A,
podemos escribir que:
P(A E) = |A E|
|S|
|E|
P(E) = E
|S|
A
P(A E) |A E|
P(A|E) = = S
P(E) |E|
PROBABILIDAD
(CONCEPTOS)
PROBABILIDAD CONDICIONAL
Sea S un espacio equiprobable en el que ocurren los eventos A y
E. En este caso se cumple que :
Nro. de elementos | A E | E
P(A|E) = A
Nro. de elementos en E
S
A E= {(2,4),(4,2)} E A
PROBABILIDAD CONDICIONAL
TEOREMA DE MULTIPLICACIÓN
Si multiplicamos la ecuación de probabilidad condiciona por
P(E), obtendremos :
P(E)P(A|E) = P(AE) = P(EA)
Este teorema puede ser extendido por inducción en la forma
siguiente:
Para los eventos A1, A2, . . . An se cumple que:
P(A1A2 . . .An)
= P(A1)P(A2|A1)P(A3|A1A2 ). . . P(An|A1A2 . . . An)
PROBABILIDAD
(CONCEPTOS)
PARTICIONES Y TEOREMA DE BAYES
Supongamos los eventos A1, A2, . . . An, que forman una partición
del espacio muestral S; es decir, los eventos Ai son mutuamente
excluyentes y su unión es S.
Sea B otro evento en el mismo espacio muestral:
A1 Ai An
B
A2 A3 A4
B = SB =(A1A2 . . . An )B
=(A1B)(A2B). . . (ANB )
Donde todos los AiB son mutuamente excluyentes y por lo
tanto:
P(B) = P(A1B)+P(A2B)+. . . +P(ANB )
PROBABILIDAD
(CONCEPTOS)
INDEPENDENCIA
Un evento A se dice que es independiente de otro B si la
probabilidad de que A ocurra no está influenciada por la
probabilidad de la ocurrencia de B. Dicho de otra forma si la
probabilidad de ocurrencia de A es igual que la probabilidad
condicional de A dado que B ocurra:
P(A) = P(A|B)
P(BA)= P(B)P(A|B)
Sustituyendo P(A) por su valor, quedará
P(BA)= P(B)P(A)
Esta última ecuación consolida el concepto de independencia.
Dos eventos son independientes si P(BA)= P(B)P(A)
PROBABILIDAD
(CONCEPTOS)
INDEPENDENCIA. (Ejemplo)
Supongamos que lanzamos una moneda normal a cara o cruz,
tres veces seguidas. Este experimento nos conduce al siguiente
espacio muestral:
S = {HHH, HHT, HTH, HTT, THH, THT, TTH, TTT}
Consideremos los siguientes eventos:
A = {el primer lanzamiento es cara}
B = {el segundo lanzamiento es cara}
C = {exactamente dos caras ocurren en forma sucesiva}
Es evidente que A y B son independientes, pero la relación de A
y B con C no es directamente evidente, verifiquemos:
P(A) = P(HHH, HHT, HTH, HTT) = 4/8 = 1/2
P(B) = P(HHH, HHT, THH, THT) = 4/8 = 1/2
PROBABILIDAD
(CONCEPTOS)
INDEPENDENCIA. (Ejemplo)
P(A) = P(HHH, HHT, HTH, HTT) = 4/8 = 1/2
P(B) = P(HHH, HHT, THH, THT) = 4/8 = 1/2
P(C) = P(HHT, THH) = 2/8 = 1/4
P(AB)= P(HHH, HHT) = 1/4
P(AC)= P(HHT) = 1/8
P(BC)= P(HHT, THH) = 1/4
Por lo tanto:
P(A)P(B) = 1/2* 1/2 = 1/4 = P(AB) A y B son independientes
P(A)P(C) = 1/2*1/4 = 1/8 = P(AC) A y C son independientes
P(B)P(C) = 1/2*1/4 = 1/8 P(BC) B y C son dependientes
PROBABILIDAD
(CONCEPTOS)
VARIABLE ALEATORIA
Una variable aleatoria X en un espacio muestral S es una
función de S en el campo de los números reales R tal que la
preimagen de cada intervalo de R es un evento en S.
DISTRIBUCIÓN Y ESPERANZA. . .
x1 x2 ... xn
ƒ(x1 ) ƒ(x2 ) . . . ƒ(xn )
DISTRIBUCIÓN Y ESPERANZA. . .
La esperanza también se designa:
E(X) = E = x =
Ejemplo:
Se lanzan dos dados en forma aleatoria. El resultado estará
contenido en el espacio finito equiprobable de 36 pares
ordenados de números comprendidos entre el 1 y el 6:
S = {(1,1), (1,2, . . ., (6,6)}
Supongamos que la variable aleatoria X asigna a cada punto
(a,b) del espacio muestral S el número de valor máximo del par,
osea que X será una variable aleatoria cuyo conjunto imagen es:
X(s) = {1, 2, 3, 4, 5, 6}
VARIABLES ALEATORIAS
(CONCEPTOS)
DISTRIBUCIÓN Y ESPERANZA
En caso que X sea una variable aleatoria y k un número real se
cumplirá:
E(kX) = kE(X), E(X+k) = E(X) + k
Si X e Y son variables aleatorias en el mismo espacio muestral S,
se cumple que:
E(X + Y) = E(X) + E(Y)
Si X1, X2, . . ., Xn son variables aleatorias en el espacio S, se
cumple que:
E(X1 + X2 + . . . + Xn) = E(X1) + E(X2) + . . . + E(Xn)
VARIABLES ALEATORIAS
(CONCEPTOS)
DISTRIBUCIÓN Y ESPERANZA. . .
x1 x2 x3 ...
ƒ(x1 ) ƒ(x2 ) ƒ(x3 ) . . .
Var(X) = E(x2) - 2
VARIABLE ALEATORIA CONTINUA
Supongamos que X es una variable aleatoria cuyo conjunto
imagen X(S) es un continuo de numeros o intervalo. Recordemos
que el conjunto {a X b} es un evento en S y la
probabilidad P(a X b) esta perfectamente definida.
Asumimos que existe una función continua ƒ de R en R tal que
la probabilidad
P(a X b) es igual al área debajo de ƒ entre los puntos x = a
VARIABLES ALEATORIAS
(CONCEPTOS)
a b
b
P(a X b) = ƒ(x) dx
a
E(X) = xƒ(x) dx
R
E(Y) = (x)ƒ(x) dx
R
VARIABLES ALEATORIAS
(CONCEPTOS)
VARIABLE ALEATORIA . . .
La varianza se define como:
x = (Var(X))1/2