 Probabilidad total

En las situaciones donde varios eventos están presentes en la realización de algún otro evento del
mismo espacio muestral

Sean: B1,B2,…Bn eventos mutuamente excluyen en S (espacio muestral) y que constituyen una
partición de S.

Se A, un evento cualquiera de S. la realización de A depende de los eventos B1,B2,…Bn

Formula de la probabilidad total:

P(A)=P(B_{1})P(A| B_{1})+P(B_{2})P(A| B_{2})+...P(B_{n})P(A| B_{n}))=\sum_{i=1}^{n}P(B_{i})P(A|

B_{i})

 Variables aleatorias discretas

Teniendo conocimiento a calcular la probabilidad de eventos de un espacio muestral S. las

variables aleatorias establecen correspondencias de espacio muestral S, al conjuntos de números
reales. Esta correspondencia es funcional y se la puede definir.

Definición de la variable aleatoria:

X: variable aleatoria

S: espacio muestral

E: cualquier elemento de S

x: valor que puede tomar X

R: conjunto de los números reales

Entonces:

X: S es R es la correspondencia que establece la variable aleatoria X

e: x, dom X=S, rg X ᴄ R

 Distribución de probabilidad de una variable aleatoria discreta

Cada valor de una variable aleatoria discreta puede asociarse a un valor de probabilidad

Entonces la función P(X=x) da la probabilidad que la variable X tome el valor de x

Sea X: variable aleatoria discreta

f(x)=P(X=x) probabilidad que X tome el valor de x ; donde la correspondencia.

f: X es R, x es f(x)=P(X=x), dom: f=X, rg f c [ 0 , 1 ]

  Teorema de Chebyshev

Este establece un valor mínimo para la probabilidad de una variable aleatoria en un intervalo
alrededor de la media, independientemente de su función de probabilidad. El valor que se obtiene
es únicamente referencia.

Sea X una variable discreta con media \mu y varianza \sigma ^{2} entonces la probabilidad que X
tome un valor dentro de K desviaciones estándar \sigma de su media \mu es al menos 1-
\frac{1}{k^{2}}

P(\mu -K\sigma < X< \mu +K\sigma )\geq 1-\frac{1}{k^{2}} , K\epsilon R,K\geq 1