Probabilidad.

Tarea #1.
Tema: Espacios de Probabilidad.
Escrito por: Juan Sebastian Rodriguez Camero. Cod 1030662518.
Santiago Alberto Lancheros Naranjo. Cod 25161418.

1.
1.1.
Todas las -algebras que se pueden definir sobre son:
F1 ={,}, F2 =P(), F3 ={,{1},{2,3},}, F4 ={,{2},{1,3},}, F5 ={,{3},{1,2},}

1.2.
Basados en el numeral anterior veamos que si definimos F6 :=F3 F4 tenemos que:
F6 ={,{1,3},{2,3},}.
c
Donde {2, 3} ={1}, pero {1} no pertenece a F6 , por tanto no cumple la propiedad ii) de nuestra definicion
de -algebra, as F6 no es algebra, como queriamos mostrar.

1.3.
Por la definicion de algebra generada, la (C):=FC F. Es decir esta conformada por la interseccion de
todas las algebras que contienen a C. as y por el numeral 1.1 tenemos que:
(C)=F2 = {, {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, }

2.
(Demostracion por contraposicion, B A)
Veamos que si F esta formada por subconjuntos de podemos afirmar que:
F P()
Sin embargo supongamos que P() 6 F. Por tanto existe algun X tal que X P() y X / F, como F
esta formada al menos por los subconjuntos unitarios de podemos afirmar que X={i , i+1 , . . . , j },
con i<j. De otro modo, que X no es unitario (ni vacio). Por tanto X puede escribirse como:
j
[
X= k (1)
k=i

Es decir que X es la union contable de elementos de , pero X / F por tanto no cumple la propiedad iii)
de la definicion de -algebra. As y por contraposicion F deber ser -algebra, como queriamos probar.

3.
3.1.

4.
Veamos que para n = 3 tenemos:
3
[
P( Ei ) = P (E1 E2 E3 ) = P (E1 E2 ) + P (E3 ) P ([E1 E2 ] E3 )
i=1
Luego por las leyes distributivas entre conjuntos tenemos:
3
[
P( Ei ) = P (E1 ) + P (E2 ) P (E1 E2 ) + P (E3 ) P ([E1 E3 ] [E2 E3 ])
i=1

Asi y desarrollando las probabilidades:

P (E1 ) + P (E2 ) + P (E3 ) P (E1 E2 ) P (E1 E3 ) P (E2 E3 ) + P (E1 E2 E3 )

Lo cual puede ser reescrito como:

3
[ 3
X X X
P( Ei ) P (Ei ) P (Ej Ek ) + P (Ei Ej Ek )1
i=1 i=1 j<k3 i<j<k3

Tal como queriamos mostrar. Supongamos que se cumple para n = k y usando induccion matematica
mostremos que se cumple para n = k + 1. Veamos que:
k
[ k
X X X
P( Ei ) P (Ei ) P (Ey Ez ) + P (Ex Ey Ez ) (2)
i=1 i=1 y<zk x<y<zk

Luego, para n = k + 1:
k+1
[ k
[
P( Ei ) = P ([ Ei ] Ek+1 )
i=1 i=1

Por propiedades de las medidas de probabilidad tenemos:

k
[ k
[ k
[
P ([ Ei ] Ek+1 ) = P ( Ei ) + P (Ek+1 ) P ([ Ei ] Ek+1 )
i=1 i=1 i=i

Donde de nuevo por propiedades distributivas de conjuntos podemos reescribir lo anterior como:
k
[ k
[ k
[
P ([ Ei ] Ek+1 ) = P ( Ei ) + P (Ek+1 ) P ( [Ei Ek+1 ]) (3)
i=1 i=1 i=i

Acontinuacion, gracias a la propiedad de sub-aditividad podemos afirmar que:

Sk Pk P
1. P ( i=i [Ei Ek+1 ]) z=1 P [Ez Ek+1 ] y<zk P [Ey Ez Ek+1 ]

As, por la propiedad anterior y nuestra hipotesis de induccion (2) podemos ver que:

k+1
[ k
[ k
[
P( Ei ) = P ( Ei ) + P (Ek+1 ) P ( [Ei Ek+1 ])
i=1 i=1 i=i
k
X X X
P (Ei ) P (Ey Ez ) + P (Ex Ey Ez ) + P (Ek+1 )
i=1 y<zk x<y<zk

Xk X
P [Ez Ek+1 ] P [Ey Ez Ek+1 ]
z=1 y<zk
1 De hecho no es una relacion de menor o igual sino de igualdad. si cumple la igualdad cumple la desigualdad
En seguida al reordenar tenemos:

" #
k+1
[ k
X X k
X
P( Ei ) P (Ei ) + P (Ek+1 ) P (Ey Ez ) + P [Ez Ek+1 ]
i=1 i=1 y<zk z=1

X X
+ P (Ex Ey Ez ) + P [Ey Ez Ek+1 ]
x<y<zk y<zk

As finalmente tenemos que:

k+1
[ k+1
X X X
P( Ei ) P (Ei ) P (Ey Ez ) + P (Ex Ey Ez ) (4)
i=1 i=1 y<zk+1 x<y<zk+1

Tal como queriamos mostrar.

5.
5.1.
Recordemos que la definicion de lmite superior e inferior en conjuntos es:

" #
[ \
lm inf In := Ik
n
n=1 k=n

" #
\ \
lm sup In := Ik
n
n=1 k=n

luego el conjunto lmite existe s y solo s :

lm sup In = lm inf In
n n

Si esto sucede diremos que:

lm In = lm sup In = lm inf In (5)
n n n

Asi y calculando el lmite inferior veamos que para algunos valores de n tenemos:
 
\ 1
si n=1: 2 , 1 = [2, 1]
k
k=1
 
\ 1
si n=2: 1, 2 + = [1, 2]
k
k=2
 
\ 1
si n=3: 2 , 1 = [2, 1]
k
k=3
 
\ 1
si n=4: 1, 2 + = [1, 2]
k
k=4
..
.

As pordemos asegurar que:

" #
[ \
lm inf In = Ik = [2, 2] (6)
n
n=1 k=n
Ahora, calculando el lmite superior veamos que para algunos valores de n tenemos:
 
[ 1
si n = 1 : 2 , 1 = (3, 1]
k
k=1
   
[ 1 1
si n = 2 : 1, 2 + = 1, 2 +
k 2
k=2
   
[ 1 2
si n = 3 : 2 , 1 = 2 , 1
k 3
k=3
   
[ 1 1
si n = 4 : 1, 2 + = 1, 2 +
k 4
k=4
..
.

As podemos decir que:

" #
\ [
lm sup In = Ik = [1, 1] (7)
n
n=1 k=n

Luego, podemos ver que lm inf In 6= lm sup In (por los resultados (6 y (7)), finalmente afirmamos que:

lm In no existe
n

5.2.
Tomemos ahora las subsucesiones de terminos pares e impares. Para los terminos impares diremos que
n = 2j 1 con j 1, as tenemos:


" #
[ \ 1
lm inf Iimpar = 2 , 1
n
n=1
k
k=n

Como la subsucesion es decreciente podemos afirmar que:

"  #
[ \ 1 [
2 , 1 = [2, 1] = [2, 1]
n=1
k n=1
k=n

por otro lado para el limite superior de los terminos impares tenemos:


" #
\ [ 1
lm sup Iimpar = 2 , 1
n
n=1
k
k=n

Una vez mas, como la subsucesion es decreciente afirmamos que:

"  #  
\ [ 1 \ 1
2 , 1 = 2 , 1 = [2, 1]
n=1
k n=1
n
k=n
As y como los lmites superior e inferior coinciden decimos que lm Iimpar = [2, 1].

Para la subsucesion de terminos pares diremos que n = 2i con i 1, tenemos que el lmite inferior
sera:


" #
[ \ 1
lm inf Ipar = 1, 2 +
n
n=2
k
k=n

Como la subsucesion es decreciente decimos que:

"  #
[ \ 1 [
1, 2 + = [1, 2] = [1, 2]
n=2
k n=2
k=n

Para el lmite superior de los terminos pares tenemos que:


" #
\ [ 1
lm sup Ipar = 1, 2 +
n
n=2
k
k=n

Como la subsucesion es decreciente:

"  #  
\ [ 1 \ 1
1, 2 + = 1, 2 + = [1, 2]
n=2
k n=2
n
k=n

Debido a que en la subsucesion de terminos pares lm sup Ipar = lm inf Ipar entonces decimos que
lm Ipar = [1, 2].

Sin embargo hemos encontrado al menos 2 subsucesiones (en este caso las de terminos pares e impa-
res) que no convergen al mismo conjunto lmite, por tanto podemos afirmar nuevamente y tal como en
la seccion 5.1 que

lm In no existe
n

6.
6.1.
Veamos la representacion grafica de los primeros 3 terminos de Cn :
 Figura 1: Representacion de los primeros 3 elementos de Cn .

Donde en la figura anterior, C1 = {(x, y) : 0 x2 + y 2 3} es de color azul, C2 = {(x, y) : 0 x2 + y 2

3,5} es de color rojo y C3 = {(x, y) : 0 x2 + y 2 3,66} es de color amarillo

6.2.
Veamos que Cn es una sucesion creciente de conjuntos, es decir que Cn Cn+1 , veamos que:
1. Cn = {(x, y) : 0 x2 + y 2 4 n1 }
1
2. Cn+1 = {(x, y) : 0 x2 + y 2 4 n+1 }

Es decir, Cn y Cn+1 son dos circulos centrados en el origen, mostremos que el radio de Cn Cn+1 , as:
r r
1 1
rcn = 4 , rcn+1 = 4 (8)
n n+1

Por otro lado veamos que n 1, y toma valores enteros, por tanto n n + 1, as:
1+nn

Por propiedades de las desigualdades:

1 1
1+n n

Multilicando por 1, sumando 4 a ambos lados de la desigualdad y obteniendo la raiz cuadrada en ambos
miembros concluimos que:
r r
1 1
4 4 (9)
1+n n
As y por los resultados (8) y (9) podemos afirmar que rcn+1 rcn . Luego como Cn y Cn+1 son circun-
ferencias que estan centradas en el origen, donde la anterior esta contenida en la siguiente (tal como lo
muestra la figura 1 para sus primeros 3 terminos) decimos que Cn Cn+1 y por tanto es una sucesion
creciente.
Como Cn es una sucesion creciente entonces afirmamos que:
n
[
lm Cn = lm Ci (10)
n n
i=1

Asi y por el hecho (10) afirmamos que:

n  
[
2 2 1
lm Cn = lm Ci = (x, y) : 0 x + y lm 4
n n
i=1
n n

Finalmente:
lm Cn = {(x, y) : 0 x2 + y 2 4}
n

O de otro modo, el lmite sera el circulo centrado en el origen y de radio 2.

7.
Veamos una representacion en diagrama de Venn de la situacion:

Figura 2: Los conjuntos de estudiantes que Comen, Fuman o Beben.

Para entender la Figura 2 veamos el siguiente razonamiento:

1. Como en F B deben haber 122 estudiantes entonces la region de color verde oliva encierra a 70
estudiantes.
2. como en B C deben haber 83 estudiantes la region violeta contiene a 31 estudiantes.
3. como en F C deben haber 97 estudiantes la region gris contiene 45 estudiantes.
4. para completar los conjuntos, en la region roja deben haber 105 estudiantes, en la region morada
88 estudiantes y en la region verde 43 estudiantes.
5. finalmente para completar el universo, decimos que hay 66 estudiantes que no tenga ninguno de los
tres habitos.

As y solucionando tenemos:
7.1.
La probabilidad del conjunto puede representarse mediante:
P(FB c )=P(F)-P(FB)= 210
500
122 22
500 = 125 .

7.2.
En este caso la probabilidad del conjunto es:
83 52 31
P(CBF c )=P(CB)-P(CBF)= 500 500 = 500 .

7.3.
Esta ultima esta dada por:
P(F c C c )=P((FC)c )= 105+66
500 = 171
500

8.
8.1.
Supongamos que cada contrasena esta conformada por 8 casillas, en cada una de la cuales puede ir
cualquier caracter, es decir que en cualquiera de las casillas puede haber una o letra mayuscula o minuscula
o un dgito (en total 62 caracteres). As el numero de contrasenas posibles sera:

Num. de contrasenas = 628 = 218,340,105,584,896 contrasenas posibles

8.2.
En este caso y para simplificar las cosas podemos decir:
contrasenas con al menos un numero = (Total de contrasenas)-(contrasenas formadas sin ningun dgito)

Donde el numero de contrasenas de 8 caracteres formadas sin ningun dgito seran 528 (es decir 53.459.728.531.456
contrasenas) as y por el numeral 8.1 tenemos:
contrasenas con al menos un dgito = (Total de contrasenas)-(contrasenas formadas sin ningun dgito)
= 628 528 = 364.880.377.053.440 contrasenas posibles.

8.3.
Para calcular la probabilidad de que la contrasea tenga al menos un dgito basta calcular la razon de los
resultados 8.1 y 8.2, as tenemos que:
8
528 52 8
P(contrasena con al menos un dgito)= 62 62


8 = 1 62 0.755154

9.
10.
11.
Recordemos que por el binomio de Newton tenemos:

         
n n n n1 n n2 2 n n n
(a b)n = a a b+ a b + . . . + (1)n1 abn1 + (1)n b
0 1 2 n1 n
11.1.
As para (1 1)n , con n 0 tenemos que:
         
n n n n n n n
0 = (11)n = 1 (1n1 )(1)+ (1n2 )(12 )+. . .+(1n1 ) (1)(1n1 )+(1n ) 1
0 1 2 n1 n

As y reescribiendo el resultado anterior tenemos que:

n  
i n
X
0= (1) (11)
i=0
i

11.2.
Gracias a la ecuacion (11) veamos que podemos reescribir el resultado anterior. Sea n = m 1 entonces
tenemos:
n   m1  
i n i m1
X X
(1) = (1)
i=0
i i=0
i

Luego, sea i = k 1 y sumando 1 al lmite superior de la sumatoria (el lector se puede convencer que no
hay cambios en los terminos de la sumatoria) tenemos que:
m1   X m   X m  
X m1 m1 (m 1)!
(1)i = (1)k1 = (1)k1
i=0
i k1 (k 1)!(m k)!
k=1 k=1

As y multiplicando arriba y abajo por m k tenemos:

m   X m   Xm  
X (m 1)! mk(m 1)! k m!
(1)k1 = (1)k1 = (1)k1
(k 1)!(m k)! (mk)(k 1)!(m k)! m k!(m k)!
k=1 k=1 k=1

Reescribiendo y tenemos que:

m   m  
X k m! 1 X m
(1)k1 = (1)k1 k
m k!(m k)! m k
k=1 k=1

Sin embargo en nuestro desarrollo original la igualdad anterior tambien es igual a cero y como podemos
afirmar que m > 0 finalemnte se cumple que:
m  
X m
(1)k1 k =0 (12)
k
k=1

Tal como queriamos mostrar.

12.
Veamos una tabla de contingencia resumiendo los datos obtenidos por el laboratorio estadstico del
departamento de trabajo social de la Radford University en Virginia, en el ao de 1990:

SEXO \DIAGNOSTICO EM FE RM TOTAL

F 11 18 9 38
M 8 11 7 26
TOTAL 19 29 16 64
Tabla 1: resumen de la poblacion masculina y femenina en los asilos.
As y calculando las frecuencias relativas podemos crear la tabla de frecuencias relativas, por tanto:

12.1.
SEXO \DIAGNOSTICO EM FE RM TOTAL
F 0.17186 0.28125 0.14062 0.59373
M 0.125 0.17186 0.10941 0.40627
TOTAL 0.29686 0.45311 0.25003 1

Tabla 2: Frecuencias relativas asociadas a la Tabla 1.

Continuando tenemos:

12.2.
Veamos que:

12.2.1.
La propabilidad de que padezca retraso mental sera el total en la columna RM de la tabla 2, por tanto:
P(RM)=0.25003.

12.2.2.
Esta probabilidad esta dada por el total en la fila F de la tabla 2 (es decir, la fila que caracteriza al sexo
femenino), as tenemos que:
P(F)=0.59373

12.2.3.
la probabilidad de que padezca retraso mental y sea de sexo femenino sera no la dara la casilla en comun
entre la fila F y la columna RM, as:

P(RMF)=0.14062

12.2.4.
Recordemos que la probabilidad de que padezca retraso mental o sea del sexo femenino puede ser vista
como: P(FRM)=P(F)+P(RM)-P(RMF). as y gracias a los numerales 12.2.1, 12.2.2 y 12.2.3 tenemos:
P(FRM)=0.70314

12.2.5.
En este caso, la probabilidad de que sea de sexo femenino pero que no padezca retraso mental puede ser
interpretada por el principio de la suma como la probabilidad de que sea mujer y sea enferma mental
mas la probabilidad de que sea mujer y sea fisicamente enferma. as:
P(MRM)=P(FEM)+P(FFE)=0.45311
Referencias
[1] Figura 1. producida con el programa GeoGebra, Debian Package 4.0.34.0, version
estable del 22 de Junio de 2012. Usar el siguiente codigo para obtener la grafica de una Cn :

0<=x^2 + y^2 <=4-(1/n)