Pregunta 4.

Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que una funcin definida sobre un conjunto de sucesos determine consistentemente sus probabilidades. Fueron formulados por Kolmogrov en 1933.

Axiomas de Kolmogrov
Dado un conjunto de sucesos elementales, , sobre el que se ha definida una -lgebra (lase sigma-lgebra) de subconjuntos de y una funcin P que asigna valores reales a los miembros de , a los que denominamos "sucesos", se dice que P es una probabilidad sobre (,) si se cumplen los siguientes tres axiomas.

Primer axioma
La probabilidad de un suceso es un nmero real mayor o igual que 0.

Segundo axioma
La probabilidad del total, , es igual a 1, es decir,

Tercer axioma
Si son sucesos mutuamente excluyentes (incompatibles dos a dos, disjuntos o de interseccin vaca dos a dos), entonces: . Segn este axioma se puede calcular la probabilidad de un suceso compuesto de varias alternativas mutuamente excluyentes sumando las probabilidades de sus componentes. En trminos ms formales, una probabilidad es una medida sobre una -lgebra de subconjuntos del espacio muestral, siendo los subconjuntos miembros de la -lgebra los sucesos y definida de tal manera que la medida del total sea 1. Tal medida, gracias a su definicin matemtica, verifica igualmente los tres axiomas de Kolmogrov. A la terna formada por el espacio muestral, la -lgebra y la funcin de probabilidad se la denomina Espacio probabilstico, esto es, un "espacio de sucesos" (el espacio muestral) en el que se han definido los posibles sucesos a considerar (la -lgebra) y la probabilidad de cada suceso (la funcin de probabilidad).

Respuesta de la 3.
Qu es la probabilidad? La probabilidad es la parte de las matemticas que trata de manejar con nmeros la incertidumbre. nter%La probabilidad se mide por un nmero entre cero y uno: si un suceso no ocurre nunca, su probabilidad asociada es cero, mientras que si ocurriese siempre su probabilidad sera igual a uno. As, las probabilidades suelen venir expresadas como decimales, fracciones o porcentajes. CONCEPTUALIZACIN BSICA DE LA PROBABILIDAD Para definir la probabilidad y determinar valores de probabilidad, se han desarrollado 3 enfoques conceptuales: a) Enfoque clsico de la probabilidad b) Enfoque de frecuencias relativas c) Enfoque subjetivo de la probabilidad A.ENFOQUE CLSICO DE LA PROBABILIDAD (a priori) Este enfoque permite determinar valores de probabilidad antes de ser observado el experimento por lo que se le denomina enfoque a priori. El enfoque clsico es aplicado cuando todos los resultados son igualmente probables y no pueden ocurrir al mismo tiempo. Si queremos conocer la probabilidad del evento A segn este enfoque debemos calcular el siguiente cociente: N(A) P(A) = ------------N(S) Donde: N(A): resultados elementales posibles son favorables en el evento A N(S): posibles resultados en el espacio muestral EJEMPLOS 1) En un mazo de cartas bien barajadas que contiene 4 ases y 48 cartas de otro tipo, la probabilidad de obtener un as (A) en una sola extraccin es N(A) 4 1 P(A) = ------ = ----- = ----

N(S) 52 13 2) El experimento es lanzar un dado. Cul es la probabilidad de que caiga un dos hacia arriba? P( caiga 2 ) = 1 = .166 B.ENFOQUE DE FRECUENCIAS RELATIVAS (a posteriori o emprico) Este enfoque permite determinar la probabilidad con base en la proporcin de veces que ocurre un resultado favorable en cierto nmero experimentos. No implica ningn supuesto previo de igualdad de probabilidades. A este enfoque se le denomina tambin enfoque emprico debido a que para determinar los valores de probabilidad se requiere de la observacin y de la recopilacin de datos. Tambin se le denomina a posteriori, ya que el resultado se obtiene despus de realizar el experimento un cierto nmero de veces. Si queremos conocer la probabilidad del evento A segn este enfoque debemos calcular el siguiente cociente: Nmero de observaciones de A n(A) P(A) = -------------------------------------- = ------Tamao de la muestra n EJEMPLOS 1) Antes de incluir la cobertura para ciertos tipos de problemas dentales en plizas de seguros mdicos para adultos con empleo, una compaa de seguros desea determinar la probabilidad de ocurrencia de esa clase de problemas, para que pueda fijarse la prima de seguros de acuerdo con esas cifras. Por ello, un especialista en estadstica recopila datos para 10,000 adultos que se encuentran en las categoras de edad apropiadas y encuentra que 100 de ellos han experimentado el problema dental especfico durante el ao anterior. Por ello, la probabilidad de ocurrencia es: 100 P(A) = --------------- = 0.01, o 1% 10,000 2) Se sabe que una moneda est cargada. Para determinar la probabilidad de que caiga guila se lanza 60 veces la moneda al aire, de las cuales 25 veces cay guila. Si aplicamos la frmula: P ( cae guila ) = 25 = 0.41 ---------60 C. ENFOQUE SUBJETIVO DE LA PROBABILIDAD (personalista)

Se diferencia de lo dos enfoques anteriores, debido a que tanto el enfoque clsico como el de frecuencia relativa producen valores de probabilidad objetivos. El enfoque seala que la probabilidad de un evento es el grado de confianza que una persona tiene en que el evento ocurra, con base en toda la evidencia que tiene disponible, fundamentado en la intuicin, opiniones, creencias personales y otra informacin indirecta. Este enfoque no depende de la repetitividad de ningn evento y permite calcular la probabilidad de sucesos nicos y se da el caso de que ocurra o no esa nica vez. Debido a que el valor de la probabilidad es un juicio personal, al enfoque subjetivo se le denomina tambin enfoque personalista. EJEMPLOS 1) Hay una probabilidad del 80% de que el Amrica le gane a las Chivas. 2) Hay una probabilidad del 90% de que las ventas mejoren el ao prximo 3) Hay una alta probabilidad de sacarme un 100. 4) A causa de los impuestos y de otros posibles usos de sus fondos, un inversionista ha determinado que la compra de terrenos slo se justifica si existe al menos una probabilidad de 0.90 de que los terrenos aprecien su valor en 50% o ms en los cuatro aos siguientes. Al evaluar cierto terreno, este inversionista estudia los cambios de fuentes. Respuesta de la F.

Esperanza matemtica
En estadstica la esperanza matemtica (tambin llamada esperanza, valor esperado, media poblacional o media) de una variable aleatoria , es el nmero formaliza la idea de valor medio de un fenmeno aleatorio. que

Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho suceso. Por lo tanto, representa la cantidad media que se "espera" como resultado de un experimento aleatorio cuando la probabilidad de cada suceso se mantiene constante y el experimento se repite un elevado nmero de veces. Cabe decir que el valor que toma la esperanza matemtica en algunos casos puede no ser "esperado" en el sentido ms general de la palabra - el valor de la esperanza puede ser improbable o incluso imposible. Respuestadela2.

La ganancia esperada en un juego de azar es calculada con la esperanza matemtica y se obtiene multiplicando la cantidad que el jugador espera ganar por la probabilidad de que gane. Para que un juego sea justo la ganancia esperada debe ser cero, esto significa que un jugador en promedio termina sin prdida ni ganancia. Una aplicacin comn de la esperanza matemtica es en las apuestas o los juegos de azar. Por ejemplo, la ruleta americana tiene 38 casillas equiprobables. La ganancia para acertar una apuesta a un solo nmero paga de 35 a 1 (es decir, cobramos 35 veces lo que hemos apostado y recuperamos la apuesta, as que recibimos 36 veces lo que hemos apostado).

Varianza (F) En teora de probabilidad, la varianza (que suele representarse como

) de una variable aleatoria es una medida de dispersin definida como la esperanza del cuadrado de la desviacin de dicha variable respecto a su media. Est medida en unidades distintas de las de la variable. Por ejemplo, si la variable mide una distancia en metros, la varianza se expresa en metros al cuadrado. La desviacin estndar, es la raz cuadrada de la varianza, es una medida de dispersin alternativa expresada en las mismas unidades de los datos de la variable objeto de estudio. La varianza tiene como valor mnimo 0. Hay que tener en cuenta que la varianza puede verse muy influida por los valores atpicos y no se aconseja su uso cuando las distribuciones de las variables aleatorias tienen colas pesadas. En tales casos se recomienda el uso de otras medidas de dispersin ms robustas. Funcin de probabilidad (E): En teora de la probabilidad, una funcin de probabilidad (tambin denominada funcin de masa de probabilidad) es una funcin que asocia a cada punto de su espacio muestral X la probabilidad de que sta lo asuma.

La grfica de una funcin de probabilidad de masa, note que todos los valores no son negativos, y la suma de ellos es igual a 1.

La funcion de masa de probablilidad de un Dado. Todos los numeros tienen la misma probabilidad de aparecer cuando este es tirado. En concreto, si el espacio muestral, E de la variable aleatoria X consta de los puntos x1, x2, ..., xk, la funcin de probabilidad P asociada a X es

donde pi es la probabilidad del suceso X = xi. Por definicin de probabilidad,

Hay que advertir que el concepto de funcin de probabilidad slo tiene sentido para variables aleatorias que toman un conjunto discreto de valores. Para variables aleatorias continuas el concepto anlogo es el de funcin de densidad.

Funcin de distribucin acumulada En teoria de probabilidad, la funcin de distribucin acumulada (FDA) describe completamente la distribucin de la probabilidad de una variable aleatoria de valor real X.

Ejemplos
Como ejemplo, supngase que X es distribuido uniformemente por el intervalo [0, 1]. En ese caso la fda es dada por:
F(x) = 0, si x < 0; F(x) = x, si 0 x 1; F(x) = 1, si x > 1.

Para un otro ejemplo supngase que X toma slo los valores 0 y 1, con igual probabilidad (X sigue la distribucin de Bernoulli con p = 1/2). Entonces la fda es dada por
F(x) = 0, si x < 0; F(x) = 1/2, si 0 x < 1; F(x) = 1, si x 1.

(D) Eventos Independientes: En teora de probabilidades, se dice que dos sucesos aleatorios son independientes entre s cuando la probabilidad de cada uno de ellos no est influida por que el otro suceso ocurra o no, es decir, cuando ambos sucesos no estn correlacionados. Dos sucesos son independientes si la probabilidad de que ocurran ambos simultneamente es igual al producto de las probabilidades de que ocurra cada uno de ellos, es decir, si
Ejemplo:

Sean y dos sucesos tales que , intuitivamente A es independiente de B si la probabilidad de A condicionada por B es igual a la probabilidad de A. Es decir si:

De la propia definicin de probabilidad condicionada:

se deduce que deducimos trivialmente que

y dado que .

Si el suceso A es independiente del suceso B, automticamente el suceso B es independiente de A.

Eventos dependientes Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro (o otros). Cuando tenemos este caso, empleamos entonces, el concepto de probabilidad condicional para denominar la probabilidad del evento relacionado. La expresin P(AB) indica la probabilidad de ocurrencia del evento A s el evento B ya ocurri. Se debe tener claro que AB no es una fraccin.

P(AB) = P(A y B)/P(B) o P(BA) = P(A y B)/P(A)

Eventos condicionales:

Si A y B son dos eventos en S, la probabilidad de que ocurra A dado que ocurri el evento B es la probabilidad condicional de A dado B, y se denota: A y B son dos eventos en S, la probabilidad de que ocurra A dado que ocurri el evento B es la probabilidad condicional de A dado B, y se denota: P (AlB).