PROBABILIDADES

RAL HARO BEZ

2017
 Introduccin
El estudio de la probabilidad se deriva del anlisis de ciertos juegos
de azar.
El estudio de la probabilidad ha encontrado aplicaciones en la
mayora de las ramas de la ciencia y la ingeniera.
Los conceptos bsicos de la teora de la probabilidad van a ser
presentados en esta seccin.
En el estudio de la probabilidad, cualquier proceso de observacin se
refiere como un experimento.
Los resultados de una observacin son llamados los resultados del
experimento.
 Espacio muestral y Eventos
Un experimento se llama un experimento aleatorio si su resultado
no se puede predecir.
Los ejemplos tpicos de un experimento aleatorio son el
lanzamiento de un dado, el lanzamiento de una moneda,
seleccionar una carta de una baraja, o seleccionar una seal de
mensaje para la transmisin de varios mensajes.
El conjunto de todos los posibles resultados de un experimento
aleatorio se llama espacio muestral (o espacio universal) y se
denota por S.
Un elemento de S es llamado un punto de muestreo.
Cada resultado de un experimento aleatorio corresponde a un
punto de muestreo.
 Espacio muestral y Eventos
Ejercicio: Encontrar el espacio muestral para el experimento
de lanzar una moneda (i) una vez (ii) dos veces.
Ejercicio: Encontrar el espacio muestral para el experimento
de lanzar una moneda en varias ocasiones y de contar el
nmero de lanzamientos necesarios hasta que aparezca la
primera cara.
Ejercicio: Encontrar el espacio de muestra para el
experimento en medicin (en horas) de la vida til de un
transistor.
Ejercicio: Sea V={d}, W={c,d}, X={a,b,c}, Y={a,b} y Z={a,b,d}.
Determinar si cada uno de los siguientes enunciados es
verdadero o falso: (i) Y X, (ii) W Z, (iii) V X, (iv) X = W,
(v) W Y.
 Espacio muestral y Eventos
Tenga en cuenta que cualquier experimento particular, a
menudo puede tener muchos espacios diferentes de la
muestra en funcin de la observacin de inters.

Un espacio muestral S se dice que es discreto si se trata de un

nmero finito de puntos de muestra o puntos de muestreo
infinito numerable.

Un conjunto se llama contable si sus elementos se pueden

colocar en una correspondencia uno a uno con los nmeros
enteros positivos.

Un espacio de muestra S se dice que es continuo si los puntos

de muestra constituyen un conjunto continuo
 Espacio muestral y eventos
Puesto que hemos identificado un espacio muestral S como el
conjunto de todos los posibles resultados de un experimento
aleatorio, vamos a utilizar algunas notaciones de conjunto:
- Si es un elemento de S ( o pertenece a S), entonces
escribimos que S.
- Si no es un elemento de S (o no pertenece a S),
entonces escribimos que S.
- Si cada elemento de un conjunto A es tambin un
elemento de B, A se llama un subconjunto de B,
entonces escribimos A B.
Algn subconjunto del espacio muestral S es llamado un
evento.
Un punto de muestreo de S a menudo se refiere a un evento
elemental.
 Espacio muestral y Eventos
Tenemos que el espacio muestral S es un subconjunto de si
mismo: que es, S S.
Puesto que S es el conjunto de todos los resultados posibles, a
menudo se llama el evento determinado.
Ejercicio: Considere el experimento de lanzar una moneda varias
veces y contar el nmero de lanzamientos necesarios hasta que
aparezca la primera cara. Sea A el evento de que el nmero de
lanzamientos necesarios hasta que aparezca la primera cara es
par. Sea B el evento de que el nmero de lanzamientos
necesarios hasta que aparezca la primera cara es impar. Sea C el
caso de que el nmero de lanzamientos necesario hasta que
aparezca la primera cara es inferior a 5. Los experimentos los
expreso como A, B, y C.
 Espacio de probabilidad
Hemos definido que los eventos son subconjuntos del espacio
muestral S.
Para ser preciso, se dice que un subconjunto A de S puede ser
un evento si pertenece a una coleccin F de subconjuntos de
S, que cumplan las siguientes condiciones:
1. S F
2. Si A F, entonces A F
3. Si F para i 1, entonces
=1 F
La coleccin F se llama un espacio muestral para eventos
En la literatura matemtica, espacio para eventos, es conocido
como campo sigma (- field) o algebra.
Usando las condiciones anteriores, podemos demostrar que si
A y B estn en F, entonces tambin lo estn A B, A\B, AB.
 Espacio de probabilidad
Ejercicio: Considerar el experimento de lanzar una moneda una
vez. Tenemos S={H,T}. Determinar si estos conjuntos {S, },
{S,,H,T} y {S,,H} son espacios para eventos.
Una asignacin de nmeros reales a los eventos definidos en un
espacio para eventos S es conocida como la medida de
probabilidad P.
Considere un experimento aleatorio con un espacio muestral S, y
sea A un evento en particular que se define en F
La probabilidad del suceso A se denota por P (A)
Por lo tanto, la medida de probabilidad es una funcin definida
sobre F
El triplete (S, F, P) se conoce como el espacio de probabilidad
 Medida de probabilidad
Definicin clsica:
- Considere un experimento con resultados igualmente probables
finitos.
- A continuacin, la definicin clsica de probabilidad del evento A,
denotada P(A), se define por

=

- Si A y B son disjuntos, por ejemplo, A = , entonces
= +
- Por lo tanto, en este caso P( )=P(A)+P(B)
- Tambin tenemos que P(S)=1 y P(A) = 1 - P(A)
- Ntese que en la definicin clsica, P (A) se determina a priori sin
experimentacin real y la definicin se puede aplicar nicamente a
una clase limitada de problemas tales como si los resultados son
finitos e igualmente probables.
 Medida de probabilidad
Ejercicio: Considere un experimento de lanzar un dado. El resultado es
S ={1 , 2 , 3 , 4 , 5 , 6 } = {1,2,3,4,5,6}.
Calcular la probabilidad de A: el caso de que el resultado es par, B: el caso
de que el resultado es impar, y C: el caso de que el resultado es primo.

Definicin de frecuencia relativa:

- Supongamos que el experimento aleatorio se repite n veces
- Si el evento A se produce n(A) veces, entonces la probabilidad del
evento A, denotada P(A), se define como
()
= lim

En donde n(A)/n es llamada frecuencia relativa del evento A.
- Tenga en cuenta que puede no existir este lmite, y hay muchas
situaciones en las que los conceptos de repeticin pueden no ser
vlidos.
 Medida de probabilidad
Est claro que para cualquier caso A, la frecuencia relativa
de A tendr las siguientes propiedades:

1. 0 ()/ 1, en donde ()/ = 0 si A no

ocurre en ninguna de las n repetidas pruebas y
()/ = 1 si A ocurre en todas las n repetidas
veces.
2. Si A y B son mutuamente eventos excluyentes,
entonces n A B = n A + n B y P =
+ ()
 Medida de probabilidad
Definicin axiomtica
- Considere el espacio de probabilidad (S,F,P)
- Sea A un evento en F
- Entonces en la definicin axiomtica, la probabilidad P(A) de el
evento A es un nmero real asignado a A el cual satisface los
siguientes tres axiomas:
Axioma 1: P(A) 0
Axioma 2: P(S) = 1
Axioma 3: P = + () si A B =
- Si el espacio muestral S no es finito, entonces el axioma 3 debe ser
modificado de la siguiente manera: Si 1 , 2 , es una secuencia
infinita de los eventos mutuamente exclusivos en ( ) =
para i , entonces

Ai = (Ai )
=1 =1
 Medida de probabilidad
Los Axiomas anteriores satisfacen nuestra nocin intuitiva de la medida
de probabilidad obtenida a partir de la nocin de frecuencia relativa.
Mediante el uso de estos axiomas, las siguientes propiedades tiles
(elementales) de probabilidad se pueden obtener:

1. P A =1P A
2. P =0
3. P A P B si A B
4. P A 1
Combinando esto con el axioma 1, 0 P A 1
5. P A B = P A + P B P(A B)
Esto implica que P A B P A + P B ya que P(A B) 0
6. P A\B = P A P(A B)
Esto implica que P A\B = P A P(B) si B A
 Medida de probabilidad
Propiedades elementales de probabilidad:
7. Si 1 , 2 , , son n eventos arbitrarios en S, entonces:

Ai = (Ai ) Ai + Ai
=1 =1 i i

+ 1 1 A1 2

8. Si 1 , 2 , , es una secuencia infinita de eventos mutuamente

excluyentes en S Ai = i , entonces

Ai = (Ai )
=1 =1
y una igualdad similar es aplicable a cualquier subcoleccin de los
eventos
 Eventos Equiprobables
Considere el espacio muestral finito S con n elementos finitos
S= {1 , 2 , , n + en donde i son eventos elementales.

Sea P I = pi , entonces
1. 0 pi 1, i = 1,2, , n

2. =1 pi = p1 + p2 + + pn = 1
3. Si A = Ui i , donde i es un conjunto de subndices,
entonces
= (i ) = pi
i
Cuando todos los eventos elementales i = 1,2, , son
equiprobables, es decir, p1 = p2 = = pn entonces
tenemos pi = 1/, = 1,2, , , y = ()/ en donde
n(A) es el nmero de resultados que pertenecen a eventos A
y n es el nmero de puntos de muestra en S.
 Probabilidad condicional
La probabilidad condicional de un evento A dado un evento B, denotado
por | , esta definida como:

P(A B)
| = P B >0
P(B)

En donde P(A B) es la probabilidad conjunta de A y B.

De la ecuacin anterior tenemos a menudo la relacin til para calcular la
probabilidad conjunta de eventos

P A B = | = |

De la ltima relacin podemos obtener la siguiente regla de Bayes:

|
| =
P(B)
 Probabilidad total
Los eventos 1 , 2 , , son llamados mutuamente
excluyentes s:

Ai = 1 2 = Ai = , i
=1
Sea B cualquier evento en S, entonces

= B Ai = |Ai Ai
=1 =1
El cual es conocido como la probabilidad total del evento B
Entonces podemos obtener el teorema de Bayes

|Ai Ai
Ai | =
=1 |Ai Ai
 Eventos independientes
Se dice que dos eventos A y B son independientes
(estadsticamente) s y solo s P A B = P(A)P(B).
De ello se deduce inmediatamente que si A y B son
independientes, entonces P A|B = P A y P B A =
P B .
Si dos eventos A y B son independientes, entonces se
puede demostrar que y B son tambin independientes.
Por lo tanto, si A es independiente de B, entonces la
probabilidad de ocurrencia de A no se modifica por la
informacin en cuanto a si ha ocurrido o no B.
Tres eventos A,B,C se dice que son independientes si y solo
si P A B C = P A P B P C , P A B = P A P B ,
P A =P A P C ,P B =P B P C .
 Eventos independientes
Tambin podemos ampliar la definicin de la independencia a ms de
tres eventos.
Los eventos 1 , 2 , , son independientes si y solo si para cada
subconjunto { 1 , 2 , , } (2 k n) de estos eventos
Ai1 2 = Ai1 Ai2 Ai .
Por ltimo, definimos un conjunto infinito de eventos independientes si y
slo si cada subconjunto finito de estos eventos es independiente.
Para distinguir entre la exclusividad mutua (o disyuncin) y la
independencia de una coleccin de eventos, se resumen de la siguiente
manera:
- * , = 1,2, , + es una secuencia de eventos mutuamente
excluyentes cuando P( =1 Ai ) = =1 (Ai )
- * , = 1,2, , + es una secuencia de eventos independientes
cuando P =1 Ai = =1 (Ai ) y una igualdad similar es aplicable
a cualquier subcoleccin de los eventos.