Cielo

U N I D A D
2
Fundamentos de Probabilidad.
2.1. Conjuntos y tcnicas de conteo.
2.2. Concepto clsico y como frecuencia relativa.
2.3. Espacio muestral y eventos.
2.4. Axiomas y teoremas.
2.5. Probabilidad
clsica: Espacio finito
equiparable
2.6. Probabilidad condicional e independencia.
2.7. Teorema de Bayes
2.8. Distribucin Marginal Conjunta.
Operaciones Bsicas con Eventos Aleatorios
Ya que los eventos son subconjuntos del espacio

muestral E, se pueden aplicar las conocidas operaciones
con conjuntos, a los eventos, como son la unin, la
interseccin y la diferencia de eventos
OPERACIN
EXPRESION
DESCRIPCION
UNIO N
A oB
Unin de eventos originales: es el evento que sucede si y

solo si A sucede o B sucede o ambos suceden
INTERSECCION
A oB
Interseccin de los eventos originales, es el evento que

sucede si y slo si A y B suceden simultneamente.
DIFERENCIA
A-B
La diferencia de los eventos originales A y B, es el evento

que sucede solo en A pero no en B.
Principios de conteo: aditivo y multiplicativo.

PRINCIPIO ADITIVO.
Si se desea llevar a efecto una actividad, la cul tiene formas alternativas para ser
realizada,
donde la primera de esas alternativas puede ser realizada de M maneras o formas, la
segunda
alternativa puede realizarse de N maneras o formas .....
y la ltima de las alternativas puede ser realizada de W maneras o formas, entonces
esa actividad
puede ser llevada a cabo de,
M + N + .........+ W maneras o formas
PRINCIPIO MULTIPLICATIVO.
Si se desea realizar una actividad que consta de r pasos, en donde el primer paso de la
actividad a realizar puede ser llevado a cabo de N1 maneras o formas, el segundo paso de N2
maneras o formas y el r-simo paso de Nr maneras o formas, entonces esta actividad puede
ser llevada a efecto de;
N1 x N2 x ..........x Nr maneras o formas
El principio multiplicativo implica que cada uno de los pasos de la actividad deben ser
llevados a efecto, uno tras otro.
Notacin Factorial
En algunos problemas de matemticas se nos presentan
multiplicaciones de nmeros naturales sucesivos tal
como: 4 x 3 x 2 x 1 = 24; 3 x 2 x 1 = 6; 2 x 1 = 2.
Para abreviar estas expresiones, se usa una notacin
especial llamada notacin factorial y nos denota las
multiplicaciones sucesivas de n hasta l y se define
como:
4 x 3 x 2 x 1 = 4!
Se lee "cuatro factorial
3 x 2 x 1 = 3! Se lee tres factorial
En trminos generales:
n(n-1)(n-2)...x 2 x 1 = n! Se Lee n factorial
Propiedades:
a) para n natural
n! = n(n-1)!
Ejemplo: 7! = 7 x 6! = 7 x 6 x 5 x 4!
b)
0! = 1
Ejemplos:
1)
5! = 5 x 4 x 3 x 2 x 1 = 120
2)
4! 3! = (24)(6) = 144
Definicin Clsico. La probabilidad clsica: el
enfoque clsico o a priori de la probabilidad se basa en

la consideracin de que los resultados de un
experimento son igualmente posibles. Empleando el
punto de vista clsico, la probabilidad de que suceda
un evento se calcula dividiendo el nmero de
resultados favorables, entre el nmero de resultados
posibles.
La probabilidad clsica de un evento E, que denotaremos
por P(E), se define como el nmero de eventos
elementales que componen al evento E, entre el
nmero de eventos elementales que componen el
espacio muestral:
Definicin Frecuencial. La definicin frecuentista
consiste en definir la probabilidad como el lmite cuando n

tiende a infinito de la proporcin o frecuencia relativa del
suceso. Sea un experimento aleatorio cuyo espacio muestral
es E Sea A cualquier suceso perteneciente a E Si repetimos
n veces el experimento en las mismas Condiciones, la
frecuencia relativa del suceso A ser: Cuando el nmero n
de repeticiones se hace muy grande la frecuencia relativa
converge hacia un valor que llamaremos probabilidad del
suceso A. Es imposible llegar a este lmite, ya que no
podemos repetir el experimento un nmero infinito de
veces, pero si podemos repetirlo muchas veces y observar
como las frecuencias relativas tienden a estabilizarse Esta
definicin frecuentista de la probabilidad se llama tambin
probabilidad a posteriori ya que slo podemos dar la
probabilidad de un suceso despus de repetir y observar un
gran nmero de veces el experimento aleatorio
correspondiente. Algunos autores las llaman
probabilidades tericas.
Frecuencia relativa
La frecuencia relativa es el cociente entre la

frecuencia absoluta de un determinado valor y el
nmero total de datos.
La frecuencia relativa se puede expresar en tantos por
ciento y se representa por ni.
La suma de las frecuencias relativas es igual a 1.
Ejemplo
Durante el mes de julio, en una ciudad se han registrado
las siguientes temperaturas mximas:
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30,
32, 31, 31, 30, 30, 29, 29, 30, 30, 31, 30, 31, 34, 33,
33, 29, 29.
xi
27
28
29
30
31
32
33
34
fi
1
2
6
7
8
3
3
1
ni
0.032
0.065
0.194
0.226
0.258
0.097
0.097
0.032
Eventos y espacio muestral.

Cuando se realiza un experimento, que es cualquier
proceso que produce un resultado o una observacin,
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}.
El espacio muestral es el conjunto de todos los posibles
resultados de un experimento o situacin aleatoria.
EVENTOS o SUCESOS.
La probabilidad clsica de un evento E, que denotaremos por P(E),
se define como el nmero de eventos elementales que componen al
evento E, entre el nmero de eventos elementales que componen el
espacio muestral
Cuando se tiene un espacio muestral llamamos, formalmente evento o

suceso a cualquier subconjunto del espacio muestral. Decimos que un
suceso se realiza, cuando el resultado del experimento aleatorio es uno de
los sucesos posibles.
Espacio muestral
Es el conjunto de todos los posibles resultados de
una experiencia aleatoria, lo representaremos por E
(o bien por la letra
griega ).
Espacio muestral de una moneda:
E = {C, X}.
Espacio muestral de un dado:
E = {1, 2, 3, 4, 5, 6}.
Suceso aleatorio
Suceso aleatorio es cualquier subconjunto del espacio muestral.
Por ejemplo al tirar un dado un suceso sera que saliera par, otro, obtener
mltiplo de 3, y otro, sacar 5.
Axiomas de la probabilidad
1.La probabilidad es positiva y menor o igual que 1.
0 p(A) 1
2. La probabilidad del suceso seguro es 1.
p(E) = 1
3.Si A y B son incompatibles, es decir A B = entonces:
p(A B) = p(A) + p(B)
Propiedades de la probabilidad
1 La suma de las probabilidades de un suceso y su
contrario vale 1, por tanto la probabilidad del suceso
contrario es:
2 Probabilidad del suceso imposible es cero.
3 La probabilidad de la unin de dos sucesos es la suma

de sus probabilidades restndole la probabilidad de su
interseccin.
4 Si un suceso est incluido en otro, su probabilidad es

menor o igual a la de ste.
5 Si A1, A2, ..., Ak son incompatibles dos a dos entonces:

p(A1UA2UUA k) = p(A1) + p(A2) + + p(A k)
6 Si el espacio muestral E es finito y un suceso es S = {x1,

x2, ..., xn} entonces
p(S)=p(X1) + p(X2) + + p(Xn)
Probabilidad clsica
Sea E un espacio muestral cualquiera y a un evento de
ese espacio. Se define la probabilidad P del evento A,
como:
P (A)= #A / # E (1)
Donde:
#A - nmero de casos favorables
#E - nmero de casos totales
Ejemplo:
Experimento.- Se lanza una moneda
Evento A.- que al lanzar una moneda caiga guila.
Calcular la probabilidad de A:
E = { A, S}
A={A}
ESPACIOS FINITOS EQUIPROBABLES.
Sea un espacio muestral que contiene n elementos,
= a1, a2, a3,....,an, si a cada uno de los elementos
le asignamos una probabilidad igual de ocurrencia,
pi = 1/n por tener n elementos , entonces estamos
transformando este espacio muestral en un espacio
finito equiprobable, el que debe cumplir con
las siguientes condiciones:
1 Las probabilidades asociadas a cada uno de los elementos

1. del espacio muestral deben ser mayores o iguales a cero, pi 0.
2 La sumatoria de las probabilidades asociadas a cada elemento
del espacio muestral debe de ser igual a 1.
pi = 1
En caso de que no se cumpla con las condiciones anteriores,
entonces no se trata de un espacio finito equiprobable.
ESPACIOS FINITOS DE PROBABILIDAD.
Sea el espacio muestral, que contiene n elementos a1, a2,
a3,.....,an, si a cada uno de los elementos de le asignamos una
probabilidad pi 0, entonces estamos transformando este
espacio muestral en un espacio finito de probabilidad; el que
debe cumplir con las siguientes caractersticas:
ESPACIO MUESTRAL INFINITO

Se denomina variable discreta aquella que slo puede tomar
unos determinados valores, el conjunto de valores que toma X
es finito o numerable. En este caso la Distribucin de
Probabilidad es el sumatorio de la funcin de densidad, por lo
que tenemos entonces que:
2.6. Probabilidad condicional e independencia.

PROBABILIDAD CONDICIONAL
Analizaremos a continuacin las probabilidades de sucesos cuando
se dispone de alguna informacin.
Consideremos el segundo ejemplo analizado, en el cual el
experimento consiste en arrojar un dado y observar su resultado,
y consideremos tambin los sucesos A y C definidos en el mismo.
SUCESOS INDEPENDIENTES
Si la ocurrencia de un suceso A no afecta a la probabilidad de ocurrencia de algn otro
suceso B, decimos que ambos sucesos son independientes, puesto que el suceso B "no
depende" de la ocurrencia del suceso A. Por lo tanto en este caso, tener alguna
informacin sobre la ocurrencia de A no sera de ninguna utilidad ya que la
probabilidad de B no vara. Esto es, si B no depende de A: P(B/A) = P(B)
Luego: P(AB) = P(A)P(B/A) = P(A)P(B)
Ejemplo:
Sea el experimento extraer una carta de un mazo de naipes espaoles; y sean los
eventos (o sucesos):
A: la carta obtenida es un naipe de "oro"
B: la carta obtenida es un "as"
Por lo tanto, el evento AB es "la carta obtenida es el as de oro".
Las respectivas probabilidades de estos sucesos son:
Si nos informan que la carta obtenida es un "as", altera esto la probabilidad de
que sea de "oro"?
Podemos comprobar que P(A/B) = P(A), lo cual indica que A no depende de B.
Tambin podemos comprobar que el producto de las probabilidades de A y B,
resulta igual a la probabilidad conjunta AB, ya que:
lo cual indica que A y B son sucesos independientes.
Sea un espacio muestral que est formado por los eventos A1,
A2, A3,.....,An mutuamente excluyentes, luego,
= A1A2A3.....An
Luego si ocurre un evento B definido en , observamos que; B
= B = (A1A2A3.....An)B
=(A1B)(A2B)(A3B).....(AnB)
Donde cada uno de los eventos AiB son eventos mutuamente
excluyentes, por lo que
p(B) = p(A1B) + p(A2B) + p(A3B) +......+ p(AnB)
y como la p(AiB) = p(Ai)p(BAi) , o sea que la probabilidad de
que ocurra el evento Ai y el evento B es igual al teorema de la
multiplicacin para probabilidad condicional, luego;
p(B) = p(A1)p(BA1) + p(A2)p(BA2) + p(A3)p(BA3)
+p(An)p(BAn)
Tengo dos variables aleatorias:

X=(1,2,1)
Y=(2,1,1)
Cmo se calcularan la distribucin de probabilidad conjunta y la
distribucin de probabilidad marginal?
Supongo que los dos conjuntos de valores
X=(1,2,1)
Y=(2,1,1)
Representen los resultados de tres mediciones de las dos variables X, Y, y
que los resultados vayan en pares, o sea:
X = 1 con Y = 2
X = 2 con Y = 1
X = 1 con Y = 1

Cielo

Cargado por

Copyright:

Formatos disponibles

Cielo

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cielo

Cargado por

Copyright:

Formatos disponibles

U N I D A D

Operaciones Bsicas con Eventos Aleatorios

Ya que los eventos son subconjuntos del espacio

Unin de eventos originales: es el evento que sucede si y

Interseccin de los eventos originales, es el evento que

La diferencia de los eventos originales A y B, es el evento

Principios de conteo: aditivo y multiplicativo.

Definicin Clsico. La probabilidad clsica: el

enfoque clsico o a priori de la probabilidad se basa en

Definicin Frecuencial. La definicin frecuentista

consiste en definir la probabilidad como el lmite cuando n

La frecuencia relativa es el cociente entre la

Eventos y espacio muestral.

Cuando se tiene un espacio muestral llamamos, formalmente evento o

3 La probabilidad de la unin de dos sucesos es la suma

4 Si un suceso est incluido en otro, su probabilidad es

5 Si A1, A2, ..., Ak son incompatibles dos a dos entonces:

6 Si el espacio muestral E es finito y un suceso es S = {x1,

1 Las probabilidades asociadas a cada uno de los elementos

ESPACIO MUESTRAL INFINITO

2.6. Probabilidad condicional e independencia.

Tengo dos variables aleatorias:

También podría gustarte