Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CLASE 3
Teorema de Bayes:
Sea A1 , A2 , . . . , Ak un conjunto eventos mutuamente excluyentes (disjuntos) y exhaustivos,
es decir A1 ∪ A2 ∪ . . . ∪ Ak = S. Entonces para cualquier otro evento B, tal que P (B) > 0, se
tiene que la probablidad posterior de que ocurra Aj (para algún j = 1, . . . , k) dado que ocurrió
B, es igual a
Independencia de eventos:
Definición:
Decimos que los eventos A y B son independientes si y solo si alguna de las siguientes
propiedades se cumple:
P (A|B) = P (A)
P (B|A) = P (B)
P (A ∩ B) = P (A)P (B)
Ejemplo:
La probabilidad de que una máquina produzca un elemento defectuoso es igual a 2 %. Si
se seleccionan de manera independiente dos elementos que produjo la máquina, cuál es la
probabilidad de que ambos estén defectuosos. (0.0004)
En la mayorı́a de problemas a los que comúnmente nos enfrentamos, la descripción del con-
junto de posibles resultados de un experimento aleatorio puede ser complicada y por lo tanto
el cálculo de probabilidades también se dificulta.
Por ejemplo, si una persona es seleccionada de una población, diversas caracterı́sticas pue-
den ser de interés y cada una aporta al entendimiento de un fenómeno en especial, como son, el
tiempo que emplea en transportarse de su casa al lugar de trabajo, qué tan lejos esté de su casa
el sitio donde trabaja, cuántos hijos tiene, cuántas horas duerme, cuántas personas conforman
su grupo familiar, cuánto gana, cuánto gasta, cuánto paga por servicios, cuántas llamadas hace
diariamente, etc.
Cada vez que seleccionemos una persona de esta población, las caracterı́sticas antes mencio-
nadas pueden variar. Asociadas a estas caracterı́sticas podemos establecer una regla que asigne
a cada sujeto u objeto un valor real que está asociado a lo que se desea conocer. Por ejemplo:
El # de hijos, horas que duerme, estrato, gastos etc. Esta asociación o regla se conoce como
Variable Aleatoria.
Definición:
Una Variable Aleatoria es una función definida en un espacio muestral S que asigna a
cada resultado de un experimento aleatorio un valor real. Usualmente son denotadas con letras
mayúsculas como (X , Y , Z , T, etc). Sea X una variable aleatoria definida sobre un espacio
muestral S, gráficamente se tiene que:
X: S → R
s → X (s) = x , x∈R
Al conjunto de todos los posibles resultados de una variable aleatoria se le llamará Rango de la
variable y es usualmente denotado AX .
Ejemplo.
Tres monedas no cargadas son lanzadas al tiempo. Hallar el espacio muestral S y analice la
variable aleatoria X: el # de caras observadas.
Solución
El espacio muestral está dado por:
La variable aleatoria de interés es X: # caras en cada lanzamiento. En este caso los valores
que se pueden observar en cuanto al número de caras son {0, 1, 2, 3}. Si se denota por AX el
conjunto de todos los posibles valores que toma la v.a X, se tiene que AX = {0, 1, 2, 3}. La
función X asigna acada resultado del espacio muestral un vaor real que pertenece a AX , tal
como se muestra a continuación:
CCC CCS CSC SCC CSS SCS SSC SSS
X: ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ .
3 2 2 2 1 1 1 0
Es decir,
S → R
X:
s → X (s)
Por ejemplo,
Ejemplo
Se lanzan un par de dados cúbicos no cargados. Halle el espacio muestral y analize las variables
aleatorias X: suma de los 2 resultados.
Solución
El espacio muestral para este experimento es:
S = {(1 , 1) , (1 , 2) , . . . , (5 , 6) , (6 , 6)} .
Para la variable aleatoria X, que corresponde a la suma de los dos resultados, la asignación
para los diferentes pares de resultados se muestra ası́:
AX = {2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10 , 11 , 12} .
En una gran población se encuestan de manera aleatoria sujetos hasta encontrar el prime-
ro que responde afirmativamente a una pregunta de interés. Si X es la variable aleatoria
que cuenta el número de sujetos encuestados hasta encontrar el primero que responde
afirmativamente, entonces el rango de X está dado por AX = {1, 2, 3, · · · }.
Estos ejemplos representan variables las cuales son observadas en dos tipos de escalas las cuales
implican Conteos o Mediciones. A las primeras se les conoce como Variables Aleatorias Discre-
tas, a las segundas como Variables Aleatorias Continuas. La diferencia principal entre ellas, es
que para las primeras, el rango es un conjunto contable (discreto o numerable); en las segundas,
el rango es un intervalo o la unión de intervalos reales disjuntos.
7
P (X ≤ 2) = P (C) = .
8
C= SSS , SSC , SCS , CSS , SCC , CSC , CCS
| {z } | {z } | {z }
0 1 2
X=0 X=1 X=2
7
P (X ≤ 2) = P (X = 0) + P (X = 1) + P (X = 2) = 8
P (X > 2) = P (X = 3) = 18 .
De manera similar es posible calcular probabilidades de eventos más complejos, usando una
variable aleatoria y las probabilidades asociadas a los posibles valores de dicha variable (sub-
conjuntos del rango de la variable aleatoria).
Definición
La Distribución de Probabilidad ó p.m.f. de una v.a discreta X definida en un espacio
muestral S, se denotará p(x) y se define como:
p(x) = P (X = x) ; ∀x ∈ AX .
1. p(x) ≥ 0 , ∀x ∈ AX
P
2. p(x) = 1
x
P
3. Si A ⊆ AX , entonces P (X ∈ A) = p(x).
x∈A
Ejemplo
Para el ejemplo de las monedas, si X representa el número de caras, la p.m.f. de X se obtiene
como:
x 0 1 2 3 Suma
1 3 3 1
p (x) 8 8 8 8 1
0.3
p(x)
0.2
1/8 1/8
0.1
0.0
0 1 2 3
Ejemplo
De la producción diaria de una empresa se seleccionan artı́culos uno a uno hasta encontrar el
primero defectuoso. Por experiencia se sabe que la proporción de defectuosos diaria es del 5 %.
Sea X la variable aleatoria que representa el número de artı́culos revisados hasta encontrar el
primero defectuoso. El rango de X está dado por AX = {1, 2, 3, · · · }. Para hallar la p.m.f. de
X, defina los siguientes eventos: Di : el i-ésimo artı́culo revisado es defectuoso; i = 1, 2, 3, · · ·
Ni : el i-ésimo artı́culo revisado no es defectuoso; i = 1, 2, 3, · · ·
Ası́:
p(1) = P (D1 ) = 0.05 ; p(2) = P (N1 D2 ) = (0.95) (0.05) = 0.0475 ;
0.06
0.05
0.04
p(x)
0.03
0.02
0.01
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Propiedades
1. 0 ≤ F (x) ≤ 1.
2. P (X > x) = 1 − F (x).
4. P (a ≤ X ≤ b) = F (b) − F (a − 1).
Ejemplo
Se lanza un dado cúbico no cargado. Sea X: resultado del lanzamiento del dado, halle la c.d.f
de X.
Solución El gráfico de la p.m.f de X se muestra en la figura 3.
0.30
0.25
0.15
0.10
0.05
0.00
1 2 3 4 5 6
Donde [[x]] denota la parte entera de x. El gráfico para la c.d.f de X se muestra en la figura 4.
1 ●
5/6 ● ●
4/6 ● ●
F(x)
3/6 ● ●
2/6 ● ●
1/6 ● ●
0 1 2 3 4 5 6 7
Ejemplo
Suponga que una v.a X tiene p.m.f dada por,
X 0 1 2 3
1 3 3 1
p(x) 8 8 8 8
1 ●
7/8 ● ●
F(x)
4/8 ● ●
1/8 ● ●
0 1 2 3 4 5