Está en la página 1de 6

GUA 3 Axiomas y teoremas bsicos de las probabilidades.

AXIOMAS Y TEOREMAS.

Para el clculo de probabilidades hay que tomar en cuenta los Axiomas y


Teoremas que a continuacin se enumeran.

1)La probabilidad de que ocurra un evento A cualquiera se encuentra entre


cero y uno.
0 p(A) 1
2)La probabilidad de que ocurra el espacio muestral debe de ser 1.
p() = 1
3)Si A y B son eventos mutuamente excluyentes, entonces la p(AB) = p(A)
+ p(B)
Generalizando:
Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2,
A3,.....An, entonces;
p(A1A2.........An) = p(A1) + p(A2) + .......+ p(An)

TEOREMAS
TEOREMA 1. Si es un evento nulo o vaco, entonces la probabilidad de que
ocurra debe ser cero.

DEMOSTRACIN:
Si sumamos a un evento A cualquiera, como y A son dos eventos
mutuamente excluyentes, entonces
p(A)=p(A) +p()=p(A).
TEOREMA 2. La probabilidad del complemento de A, Ac debe ser,
p(Ac)= 1 p(A)

DEMOSTRACIN:
Si el espacio muestral , se divide en dos eventos mutuamente exclusivos, A y
Ac
luego =AAc,
por tanto
p()=p(A) + p(Ac) y como en el axioma dos se afirma que p()=1,
por tanto,
p(Ac)= 1 - p(A) .

TEOREMA 3. Si un evento A B, entonces la p(A) p(B).

DEMOSTRACIN:
Si separamos el evento B en dos eventos mutuamente excluyentes,
A y B \ A (B menos A),
por tanto, B=A(B \ A) y p(B)=p(A) +p(B \ A),
luego entonces si p(B \ A)0
entonces se cumple que p(A)p(B).

TEOREMA 4. La p( A \ B )= p(A) p(AB)


DEMOSTRACIN:
Si AB = (A \ B) B,
donde (A \ B) y B son eventos mutuamente excluyentes,
por lo que
p(A B) = p(A \ B) + p(B)
y del teorema anterior tomamos que p(A \ B) = p(A) p(AB),
por tanto,
p(AB) = p(A) + p(B) p(AB).

TEOREMA 5. Para dos eventos A y B, p(AB)=p(A) + p(B) p(AB).

DEMOSTRACIN:
Si AB = (A \ B) B,
donde
(A \ B) y B son eventos mutuamente excluyentes,
por lo que
p(A B) = p(A \ B) + p(B)
y del teorema anterior tomamos que p(A \ B) = p(A) p(AB),
por tanto,
p(AB) = p(A) + p(B) p(AB).

COROLARIO:
Para tres eventos A, B y C, p(ABC) = p(A) + p(B) + p(C) p(AB)
p(AC) (BC) + p(ABC).
Variables Aleatorias

Una variable aleatoria es una variable que toma valores numricos determinados por el
resultado de un experimento aleatorio. No hay que confundir la variable aleatoria con
sus posibles valores. Ejemplos:
- n de caras al lanzar 6 veces una moneda (valores: 0, 1, 2)
- n de llamadas que recibe un telfono en una hora
- tiempo que esperan los clientes para pagar en un supermercado
Las variables aleatorias pueden ser discretas o continuas:
- Discretas: el conjunto de posibles valores es numerable. Suelen estar asociadas a
experimentos en que se mide el nmero de veces que sucede algo.
- Continuas: el conjunto de posibles valores es no numerable. Puede tomar todos los
valores de un intervalo. Son el resultado de medir.
Ejemplo: Ejercicio 15.2 de Pea y Romo
Clasificar como discretas o continuas las siguientes variables aleatorias:
a) n de pginas de un libro discreta
b) tiempo que tarda en fundirse una bombilla continua
c) n de preguntas en una clase de una hora discreta
d) cantidad de agua consumida en un mes continua
En la prctica se consideran discretas aquellas variables para las que merece la pena
asignar probabilidades a todos los posibles sucesos elementales.
Distribucin de una variable aleatoria
Sea x una variable aleatoria discreta. Su distribucin viene dada por los valores que
puede tomar, x1, x2, x3, , xk, y las probabilidades de que aparezcan p1, p2, p3, , pk.
Estas cantidades pi P{x xi } reciben el nombre de funcin de probabilidad o
funcin de masa.
Ejemplo:
Variable aleatoria x=n de caras al lanzar tres veces una
moneda
Posibles valores de x: 0, 1, 2 y 3
Lanzar 3 veces moneda:
E={CCC,CCX,CXC,XCC,XXC,XCX,CXX,XXX}
La variable aleatoria x:
- Toma valor 0 cuando ocurre el suceso {XXX}
- Toma valor 1 cuando ocurre el suceso {XXC,XCX,CXX}
- Toma valor 2 cuando {CCX,CXC,XCC}
- Toma valor 3 cuando {CCC}
La funcin de probabilidad es:

p0 P{x 0} 1 / 8 0,125
p1 P{x 1} 3 / 8 0,375
p2 P{x 2} 3 / 8 0,375
p3 P{x 3} 1 / 8 0,125
Funcin de probabilidad de x:

0.40

0.35

0.30

0.25

0.20

0.15

0.10
0 1 2 3

Cul ser la probabilidad de que salgan al menos dos caras?

P{x 2} P{x 0} P{x 1} P{x 2} 0,125 0,375 0,375


0,875
y la probabilidad de que el nmero de caras est entre 1 y 2?
P{1 x 2} P{x 1} P{x 2} 0,375 0,375 0,75
La probabilidad de que una variable aleatoria x tome un valor entre dos cantidades a y b
ser:

P{a x b} P{x a} P{x a 1}... P{x b 1} P{x b}


b
P{x xi }
xi a
La funcin de probabilidad verifica que:

- pi P{x xi } 0

k k
- i 1
pi P{x xi } 1
i 1
La funcin de distribucin o de probabilidad acumulada representa en cada punto x0 la
probabilidad de que la variable tome un valor menor o igual que dicho punto, es decir,
P{x x0}.

Ejemplo: n caras al lanzar tres veces una moneda

P{x 0} P{x 0} 0,125


P{x 1} P{x 0} P{x 1} 0,125 0,375 0,5
P{x 2} P{x 0} P{x 1} P{x 2} 0,5 0,375 0,875
P{x 3} P{x 0} P{x 1} P{x 2} P{x 3} 0,875 0,125 1

Funcin de distribucin de x

1.0

0.8

0.6

0.4

0.2

0.0
0 1 2 3

Sea x una variable aleatoria continua. Si queremos conocer su distribucin de


probabilidad no nos vale la funcin de probabilidad empleada con las discretas (cada
valor con su probabilidad asociada) porque toma muchos valores. La probabilidad
asociada a cada valor es prcticamente nula (la funcin de distribucin es continua).
Emplearemos la funcin de densidad. Se interpreta de forma parecida al histograma.
Expresa la densidad o concentracin de probabilidad en cada zona. Expresa las
probabilidades por reas. Sus valores ms altos corresponden a zonas en las que es ms
probable que aparezcan resultados del experimento aleatorio.