PROBABILIDAD Y

PROCESOS
ALEATORIOS

Introduccin y Repaso Matemtico

Universidad Tecnolgica de Panam
Yessica Sez, PhD
2016
Probabilidad y Procesos Aleatorios Sez, 2016

Introduccin
Probabilidad
Teora para modelar y entender fenmenos que
son inciertos de una manera racional y
efectiva.
Ejemplos: lanzamiento de una moneda, lanzamiento de dados, robar
cartas de una baraja bien barajada.

Generalmente las condiciones iniciales parecen ser las mismas, pero resultados
especficos no son conocidos.
Inicialmente desarrollado para apuestas. Ahora tiene muchas aplicaciones en
ingeniera, ciencia, negocios, etc.
An cuando se ignore el resultado de un simple lanzamiento de moneda, podemos
hacer afirmaciones definitivas sobre los resultados de varios lanzamientos: Ley de
los Nmeros Grandes (LLN: Law of Large Numbers) y Teora del Lmite Central
(CLT: Central Limit Theorem).
Probabilidad y Procesos Aleatorios Sez, 2016

Introduccin
Procesos Aleatorios
Involucra probabilidad y tiempo. El
resultado es una secuencia de valores.
Ejemplos:
Proceso de Bernoulli: Repeticin de un ensayo de Bernoulli
(experimento aleatorio en el que slo se pueden obtener dos
resultados). Ejemplo: Con una moneda se puede estudiar cuntas
veces sale cara y cuntas veces sale cruz o la probabilidad de que
salga cara al menos una vez, en un nmero n de intentos.
Proceso de Poisson: Modela llegadas a un sistema. Ejemplo:
Modelado de fallas de un componente o sistema.
Cadenas de Markov: Proceso ms simple con memoria (definido
como estado). Ejemplo: Probabilidad de que cierta cantidad de
lneas telefnicas de un centro de llamadas estn ocupadas en un
instante de tiempo.
Probabilidad y Procesos Aleatorios Sez, 2016

Repaso Matemtico
Teora de Conjuntos
Provee una base fundamental a la probabilidad
moderna y sus bases axiomticas.

Es empleada para describir leyes de probabilidad, dar

significado a sus implicaciones y para dar respuesta a
preguntas prcticas.

Es clave para entender la astucia de la probabilidad y

ayudar a sobrellevar sus retos. Un conocimiento
prctico de la teora de conjuntos es especialmente
crtico cuando se modelan mediciones y procesos que
aparecen al azar, una habilidad invaluable para los
ingenieros en evolucin.
Probabilidad y Procesos Aleatorios Sez, 2016

Teora de Conjuntos
Un conjunto es una coleccin de objetos, llamados
elementos del conjunto.

Si un elemento x pertenece a un conjunto S, expresamos esto

escribiendo xS.

Si x no pertenece a S, entonces escribimos esto como xS.

Utilizamos el smbolo de igualdad para denotar identidad lgica.

Por ejemplo, x=y, significa que x y y son smbolos que denotan el
mismo objeto. Simultneamente, la ecuacin S=T significa que S y
T son dos smbolos para el mismo conjunto. En particular, los
conjuntos S y T contienen precisamente los mismos elementos.
Probabilidad y Procesos Aleatorios Sez, 2016

Teora de Conjuntos
Si x y y son objetos diferentes entonces escribimos xy. Tambin
podemos expresar que S y T son diferentes al escribir ST.

Un conjunto S es un subconjunto de T si cada elemento de S

tambin est contenido en T. Esto lo expresamos escribiendo ST.
Note que esta definicin no require que S y T sean diferentes. Si
ST y S es diferente de T, entonces S es un subconjunto propio
de T, lo cual indicamos escribiendo ST. Adems, S=T si y solo si
ST y TS. De hecho, esta ltima afirmacin resume la
metodologa para demostrar cuando dos conjuntos son iguales.
Probabilidad y Procesos Aleatorios Sez, 2016

Teora de Conjuntos
Existen muchas formas de especificar un conjunto. Si el conjunto
contiene slo unos cuantos elementos, uno puede simplemente listar
los objetos en el conjunto

El contenido de un conjunto tambin puede ser enumerado cuando S

tiene un nmero de elementos contables
Probabilidad y Procesos Aleatorios Sez, 2016

Teora de Conjuntos
Usualmente, la forma de especificar un conjunto es tomar alguna
coleccin T de objetos y alguna propiedad que los elementos de T
puedan o no poseer, y formar una conjunto que consista de todos los
elementos que tengan esa misma propiedad.
Por ejemplo, iniciando con los nmeros enteros Z, podemos formar
un subconjunto S que consista de todos los nmeros pares,

Generalmente, denotamos el conjunto de todos los elementos que

satisfacen cierta propiedad P como

Las llaves se leen el conjunto de mientras que el smbolo | significa

tal que.
Probabilidad y Procesos Aleatorios Sez, 2016

Teora de Conjuntos
Es conveniente introducir dos conjuntos especiales.

El conjunto vaco, denotado como , es el conjunto que no contiene

elementos.

El conjunto universal es la coleccin de todos los objetos de inters

en un contexto en particular, y se representa por . Una vez el
conjunto universal sea especificado, slo necesitamos considerar
conjuntos que sean subconjuntos de . En el contexto de
probabilidad , es llamado espacio muestral.

El complemento de un conjunto S, relativo al conjunto universal , es

la coleccin de todos los objetos en que no pertenecen a S

Por ejemplo, tenemos que c=.

Probabilidad y Procesos Aleatorios Sez, 2016

Teora de Conjuntos
Ejemplos

= espacio muestral
= resultado o evento
Probabilidad y Procesos Aleatorios Sez, 2016

Teora de Conjuntos
Ejemplo 1.1. Experimento del lanzamiento de un dado (una sola vez).
=1,2,3,4,5,6
={1,2,3,4,5,6} (un conjunto)

Ejemplo 1.2. Experimento de lanzamiento de un dardo a una pared

(ideal) grande.

Ejemplo 1.3. Secuencia infinita de lanzamiento de una moneda.

Probabilidad y Procesos Aleatorios Sez, 2016

Teora de Conjuntos
Evento: Subconjunto de (coleccin de
todos los posibles resultados).

Evento= Conjunto A.
Probabilidad y Procesos Aleatorios Sez, 2016

Teora de Conjuntos
Ejemplos de eventos

Ejemplo 1.4. Para el ejemplo 1.1.,

A={1,2,3}
Evento: Resultado es impar.

Ejemplo 1.5. Para el ejemplo 1.2.,

Evento: Dardo impacta la pared fuera de la circunferencia de radio 1.

Ejemplo 1.6. Para el ejemplo 1.3.

A={|Xn=C} para n=11000.

Evento: Primeros 1000 lanzamientos resultan en cara.

Probabilidad y Procesos Aleatorios Sez, 2016

Operaciones Bsicas con Conjuntos

El campo de probabilidad hace uso extensivo de teora de
conjuntos. En esta seccin de repasamos las operaciones
bsicas de conjuntos y establecemos la terminologa y
notacin bsica. Considere dos conjuntos, S y T.
Probabilidad y Procesos Aleatorios Sez, 2016

Operaciones Bsicas con Conjuntos

La unin de dos conjuntos S y T es la coleccin de todos los elementos que
pertenecen a S y T (o a ambos) y se denota como ST. Formalmente,
definimos la unin de estos dos conjuntos como ST={x|xS o xT}.

La interseccin de dos conjuntos S y T es la coleccin de todos los

elementos que pertenecen tanto a S como a T y se denota como ST.
Matemticamente, definimos la interseccin de estos dos conjuntos como
ST={x|xS y xT}.
Probabilidad y Procesos Aleatorios Sez, 2016

Operaciones Bsicas con Conjuntos

Cuando S y T no tienen elementos en comn escribimos ST=. Tambin
expresamos esto cuando decimos que S y T son disjuntos.
Se dice que una coleccin de conjuntos es una particin de S si los conjutnos
en la coleccin son disjuntos y su unin es S.

La diferencia de dos conjuntos, denotada como S-T, es definida como el

conjunto de aquellos elementos de S que no estn en T, S-T={x|xS y xT}.
Este conjunto tambin se conoce como el complemento de T relativo a S, o
el complemento de T en S.
Probabilidad y Procesos Aleatorios Sez, 2016

Operaciones Bsicas con Conjuntos

Hasta el momento hemos estudiado la definicin de unin e interseccin de
dos conjuntos. Tambin podemos formar la unin y la interseccin de
arbitrariamente muchos conjuntos. Esto se define como:

El conjunto ndice puede ser finito o infinito.

El complemento de un conjunto S, denotado Sc , es definido como Sc={x|
xS}.
Probabilidad y Procesos Aleatorios Sez, 2016

Reglas Adicionales y Propiedades de

Conjuntos
Dada una coleccin de conjuntos, es posible formar nuevos conjuntos al
aplicarles operaciones bsicas de conjuntos. Como en lgebra, utilizamos
parntesis para indicar precedencia. Por ejemplo, R(ST) denota la unin
de dos conjuntos R y ST, mientras que (RS)T denota la interseccin de
dos conjuntos RS y T. Note que los conjuntos formados son diferentes.

A veces diferentes combinaciones de operaciones llevan al mismo

conjunto. Por ejemplo, tenemos la siguiente ley distributiva:
R(ST)=(RS)(RT)
R(ST)=(RS)(RT)
Probabilidad y Procesos Aleatorios Sez, 2016

Reglas Adicionales y Propiedades de

Conjuntos
Dada una coleccin de conjuntos, es posible formar nuevos conjuntos al
aplicarles operaciones bsicas de conjuntos. Como en lgebra, utilizamos
parntesis para indicar precedencia. Por ejemplo, R(ST) denota la unin
de dos conjuntos R y ST, mientras que (RS)T denota la interseccin de
dos conjuntos RS y T. Note que los conjuntos formados son diferentes.

A veces diferentes combinaciones de operaciones llevan al mismo

conjunto. Por ejemplo, tenemos la siguiente ley distributiva:
R(ST)=(RS)(RT)
R(ST)=(RS)(RT)
Probabilidad y Procesos Aleatorios Sez, 2016

Reglas Adicionales y Propiedades de

Conjuntos
Dos combinaciones de operaciones muy tiles son dadas por las
equivalencias de la ley de De Morgan, que dice:

o cuando hay mltiples conjuntos envueltos,

Probabilidad y Procesos Aleatorios Sez, 2016

Producto Cartesiano
Dado los conjuntos S y T, el producto cartesiano ST es el conjunto de
todos los pares ordenados x,y, dado que x es un elemento de S y y es
un elemento de T, es decir ST={x,y|xS,yT}.

En el siguiente ejemplo los conjuntos {1,2,3} y {a,b} son utilizados para

formar el producto cartesiano de seis elementos.
Probabilidad y Procesos Aleatorios Sez, 2016

Funciones
Una funcin es un tipo de relacin especial que asigna exactamente
un valor a cada posible entrada. Una representacin comn de una
funcin es f(x)=y, donde f denota la regla de correspondencia. El
dominio de la funcin es el conjunto sobre los cuales esta funcin es
definida, es decir, la coleccin de argumentos que pueden ser
utilizados como entrada. El codominio es el conjunto a los cuales
todos los resultados de la funcin estn limitados.

Para ser ms especficos, la notacin es utilizada con

frecuencia, donde X indica el dominio y el Y codominio.
Ejemplo 1.7.
Probabilidad y Procesos Aleatorios Sez, 2016

Bibliografa
Undergraduate Probability I. Class Notes for Engineering Students.
Texas A&M. Fall 2013.
Gubner, J. A., Probability and Random Processes for Electrical and
Computer Engineers, Cambridge, 2006.
Ross, Sheldon. Introduction to Probability Models. Pearson. Ninth
Edition.