Professional Documents
Culture Documents
DE
DE
FENMENOS ALEATORIOS:
El campo de aplicacin y estudio de la Estadstica y de su fundamento
matemtico, Clculo de Probabilidades, lo constituyen los llamados fenmenos de azar,
aleatorios o estadsticos.
Un fenmeno es cualquier aspecto de la realidad que puede ser observado a
travs de experimentos.
Un experimento es cualquier accin que puede dar lugar a resultados
cuantificables. Suponemos que es posible repetir el experimento un gran nmero de
veces bajo las mismas condiciones y que todos los posibles resultados son conocidos
antes de la realizacin del experimento.
Experimento aleatorio: Los resultados del experimento bajo las mismas
condiciones iniciales pueden ser distintos. No se sabe cual de ellos aparecer al
final y slo se podrn caracterizar de forma probabilstica (asociado a
fenmenos aleatorios). Resultados aleatorios.
Experimentos determinsticos: Los resultados del experimento bajo las mismas
condiciones iniciales quedan determinados (resultados seguros). Asociados a
fenmenos deterministas.
Los investigadores cuando realizan un experimento aleatorio intentan obtener un
modelo matemtico para predecir lo que suceder cuando se observa bajo condiciones
anlogas (por eso tenemos modelos deterministas y aleatorios).
Podemos definir la probabilidad como una medida de la incertidumbre de un
fenmeno aleatorio.
Caractersticas de los fenmenos aleatorios:
Se conocen de antemano todos los posibles resultados del experimento (por eso
se recurre a la -lgebra)
En cada realizacin no se conoce el resultado que se presentar.
Se pueden realizar indefinidamente bajo las mismas condiciones.
Propiedad de regularidad estadstica: comportamiento predecible a largo plazo.
Definiciones principales:
OPOSICIONES I.N.E
A i {w / i con w A i }
i 1
Interseccin: Suceso formado por los elementos comunes a todos ellos. Tambin
se generaliza para infinitos sucesos.
n
A i {x / x A i i}
i 1
Leyes de Morgan:
c
n
n
A Ac
i
i
i 1
i 1
n
n
A Ac
i
i
i 1
i 1
ii. A A A c A
iii. Si
{A n }
n 1
An A
n 1
OPOSICIONES I.N.E
b) Si {A n }n 1
A n A
n 1
Dem:
c
a) Como A (por i.) (por ii.) A
b) Si
{A n }
n 1
A
ii ) {A n } n 1 A iii )
A cn
n 1
Ac
A
ii . n
n 1
L.Morgan
A n A
n 1
CONCEPTOS DE PROBABILIDAD:
1. Probabilidad clsica de Laplace.
Condiciones: Suponemos que todos los sucesos son igualmente probables y
finito. (Equiprobabilidad principio de la razn insuficiente).
P(suceso)
1
n
N de casos favorables n
N de casos posibles
N
Propiedades:
a)
b)
c)
d)
P(S) 0
P(S) 1
Sean S1 , S 2 sucesos disjuntos con S S1 S 2 P(S) P(S1 ) P(S 2 )
P(Sc ) 1 P(S)
Inconvenientes:
OPOSICIONES I.N.E
Frecuencia absoluta
n
P(S) lim
n
1
N
k
b) Si S Si
i 1
ni
n
n fr (S1 ) fr (S k )
n
i
1
fr (S)
1 k
N
N
N
N
Inconvenientes:
Poco preciso.
Es necesario realizar el experimento para obtener la frecuencia relativa (a
veces no se puede realizar).
Al usar el lmite en la definicin de probabilidad se supone que el nmero
total del experimento debe ser infinito (no alcanzable en la prctica) la
estabilidad de las frecuencias es un enunciado imposible de demostrar.
No es utilizable en el desarrollo matemtico de la Teora de la Probabilidad
(recurrimos a la definicin formal de Probabilidad)
3. Probabilidad lgica.
4
OPOSICIONES I.N.E
n 1
n 1
si A1 , A 2 , A P A n P(A n )
P() P
An
P( A n ) P() P() (El 0 es el nico nmero real
Ax.3
n 1
n 1
Teorema 2: Si A1 , A 2 , , A n
i 1
i 1
OPOSICIONES I.N.E
P A i P A i
P(A i )
P(A i )
P( A i )
Ax.3
i 1
i 1
i 1
i 1
i n 1
i 1
P(A i )
P()
i n 1
P ( ) 0
P(A i )
i 1
c
Teorema 3: Si A A P(A ) 1 P(A)
Dem: Si A A
a lg ebra
c
A c A con A A c y A A (disjuntos)
1 P () P ( A A c ) P ( A ) P ( A c ) P ( A c ) 1 P ( A )
Ax.2
Th .2
Teorema 4: Si A A 0 P(A) 1
Dem: 0 A 0 P(A) P() 1
Teorema 5: Si A, B A , A B P(A) P(B)
Dem: B A B A c A (B A) (disjuntos)
P( B) P( A) PB A P( A )
Th .2
Th .2
P(A ) P(A B) (A B) P( A B) P( A B)
P(B) P( B A ) P( A B)
P(
i 1
Ai )
i 1
P(A i )
i j
P(A i A j )
i jk
Axiomticas equivalentes:
A.
- P(A) 0 A A
- Si A n disjuntos 2 a 2
n 1
P( A n ) 1
n 1
B. Axiomtica de Kolmogorov.
6
OPOSICIONES I.N.E
i.
ii.
Si A A P(A) 0
iii.
P () 1
Si {A n }
n 1 A es una sucesin de sucesos que converge
descendentemente al (sucesos cada vez ms pequeos y con
interseccin el vaco) es decir:
iv.
A1 A 2 con
A n
n 1
P(A n ) 0
nlim
A, B
P( A / B)
P(A B)
P(B)
Vamos a ver que la probabilidad condicionada verifica los tres axiomas de probabilidad
con lo que ( B , B, PB ) genera un espacio de probabilidad siempre que P ( B) 0 con
B B .
1) P(A / B) 0 ; Como:
A B B 0 P( A B) P(B) 0 P( A / B) 1
th.5
2) P( / B) 1
Como P( B) P(B)
P( B) P( B)
1
P( B)
P( B)
3) Sean {A n }
n 1 una sucesin de sucesos disjuntos 2 a 2 :
P A n B
n 1
P(B)
P A n B {
disjuntos
n 1
A n
P(B)
(A n B) tambin}
P(A n B)
n 1
P( B)
P( A n B)
P( A n / B)
P
(
B
)
n 1
n 1
SUCESOS INDEPENDIENTES:
Dos sucesos A, B A son independientes si el conocimiento de la ocurrencia de
uno no modifica la aparicin de otro, es decir:
P( A B) P(A ) P( B)
OPOSICIONES I.N.E
Observaciones:
P( A / B) P( B)
P(A / B) P(A)
P ( B) 0
) Si P(A / B) P(A)
P( A B)
P(A B) P(A) P(B) A y B indep.
P( B)
P ( A1 A 2 ) P ( A1 ) P( A 2 )
P ( A1 A 3 ) P( A1 ) P( A 3 )
P ( A 2 A 3 ) P( A 2 ) P( A 3 )
P ( A1 A 2 A 3 ) P ( A1 ) P( A 2 ) P( A 3 )
P(A j1 ) P(A jr )
familia infinita numerable: los sucesos son independientes si para n 2,3,4, los n
sucesos son independientes.
TH. REGLA DEL PRODUCTO ( DE LA PROBABILIDAD COMPUESTA):
8
OPOSICIONES I.N.E
Dem:
.
Como P(A1 A n 1 ) 0 , las probabilidades condicionadas estn bien definidas.
2 miembro P(A1 )P(A 2 / A1 )P(A 3 / A1 A 2 ) P(A n / A1 A n 1 )
P ( A1 )
P( A1 A 2 ) P ( A1 A 2 A 3 )
P( A1 A n 1 ) P( A1 A n )
P( A1)
P ( A1 A 2 )
P( A1 A n 2 ) P( A1 A n 1 )
P ( A1 A n )
i 1, , n
i 1
P ( A i ) P( B / A i )
i 1
Dem:
Tomamos
(A i B)
con los
(A i B)
disjuntos 2 a 2, ya que
i 1
n
n
i 1
i1
n
n
n
P( B) P A i B
PA i B
P(A i ) P(B / A i )
disjuntos
def .prob.condicionada
i 1
i 1
i 1
TEOREMA DE BAYES:
Sea (, A , P) un espacio probabilstico.
OPOSICIONES I.N.E
A i . Suponemos que
P(A i ) 0
i 1, , n y que se
i 1
P ( A i ) P( B / A i )
n
P ( A k ) P( B / A k )
, i 1, , n
k 1
P(A i B)
P(A i ) P(B / A i )
n
P(B) prob.condicionada
prob.total
P ( A k ) P( B / A k )
k 1
10