Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidades y Distribucion de Probabilidad - Informe Allianz Arena
Probabilidades y Distribucion de Probabilidad - Informe Allianz Arena
2A
“Probabilidad y Distribución de
Probabilidades”
INTEGRANTES: REGISTRO:
- Yhonatan Mamani Cahuana 219030413
- Said Diaz Espinoza 219017131
- Sebastián Riofrio Choré 219066949
- David Cahuasiri Garrón 219008868
- Jose Gustavo Aima Acapa 219061191
- Ponce Villarroel Deiner Enrique 219066620
DOCENTE: ING. FLAVIO CARREÑO HEVIAVACA
La variable aleatoria al ser una función cuenta con un dominio y un rango. En el dominio
tenemos todos los resultados posibles de nuestro experimento aleatorio y el conjunto de
todos los resultados posibles de este experimento aleatorio se le llama espacio muestral el
cual se lo representa con la letra “S”. Por otro lado, en el rango tendremos números reales
y cada uno de estos números reciben un nombre x1, x2, x3, etc.
EJEMPLO: supongamos que tenemos dos monedas de 5 bs las cuales se lanzan al aire y de
todos los resultados posibles queremos contar el número de escudos.
La variable aleatoria viene a ser el número de escudos la cual llamaremos “X”, y el espacio
muestral viene a ser: {Cara - Cara, Cara - Escudo, Escudo - Cara, Escudo - Escudo}
X = número de escudos
c (x,c)
c (c,c)
x
c
(c,x) (x,x)
x
x
Donde:
C=cara E=espacio muestral
X=escudo
Este pequeño grafico que acabamos de hacer, es el diagrama de árbol
4. SUCESOS
En el contexto probabilístico, denominamos suceso a cualquier subconjunto de un
espacio muestral; esto es, a cualquier posible resultado de un experimento aleatorio.
Conceptos de Probabilidad
La probabilidad se refiere a la mayor o menor posibilidad de que ocurra un
suceso. Como medida de la oportunidad o probabilidad con la que pueda ocurrir
es conveniente asignar un numero entre 0 y 1. Si tenemos la certeza de que el
suceso ocurrirá seria de un 100% o 1, y de caso contrario si sabemos que el
suceso no ocurrirá es cero. Ejemplo: si decimos que la probabilidad es de ¼
diríamos que hay un 25% de oportunidad de que ocurra y un 75% de oportunidad
de que no ocurra. Es como decir la probabilidad contra su ocurrencia es del 75%
al 25% o de 3 a 1.
Existen 2 procedimientos por medio de los cuales podemos obtener estimativas
para la probabilidad de un suceso.
1. Enfoque clásico o a priori Si un suceso puede ocurrir en h maneras diferentes de un
número total de n maneras posibles, todos igualmente factibles, entonces la probabilidad
del suceso es h/n.
2. Enfoque como frecuencia relativa o a posteriori. Si después de n repeticiones de un
experimento, donde n es muy grande, un suceso ocurre h veces, entonces la probabilidad
del suceso es h/n.
Esto también se llama la probabilidad empírica del suceso.
LOS AXIOMAS DE LA PROBABILIDAD
TEOREMA: necesita demostración
POSTULDO: no se demuestra, pero es base de la teoría
AXIOMA: verdad incuestionable que no necesita demostración
La probabilidad puede ser definida como el numero asociado a un acontecimiento y que
goza de ciertas propiedades llamadas axiomas del cálculo de las probabilidades. Si
representamos por P la función de probabilidad, P(A) la probabilidad de que suceda el
suceso el evento A, P(AUB) la probabilidad de que suceda A o B o ambos, P(A∩B) la
probabilidad de que sucedan simultáneamente los eventos A y B los siguientes axiomas
son validos
Ya que la primera canica es reemplazada, el tamaño del espacio muestral (9) no cambia de
la primera sacada a la segunda así los eventos son independientes.
Ejemplo:
Suponga que tenemos 5 canicas azules y 5 canicas rojas en una bolsa. Sacamos una canica,
que puede ser azul o roja. Ahora quedan 9 en la bolsa. ¿Cuál es la probabilidad de que la
segunda canica será roja?
Depende. Si la primera canica fue roja, entonces en la bolsa quedan 4 canicas rojas de 9
así que la probabilidad de sacar una canica roja en la segunda oportunidad es de
4/9. Pero si la primera canica que sacamos es azul, entonces todavía hay 5 canicas rojas
en la bolsa y la probabilidad de sacar una canica roja de la bolsa es de 5/9.
Distribuciones discretas de probabilidad
Una distribución de probabilidades para una variable aleatoria discreta es un listado
mutuamente excluyente de todos los resultados numéricos posibles para esa variable
aleatoria tal que una probabilidad específica de ocurrencia se asocia con cada resultado
Si x es una variable aleatoria discreta, la función dada por f(x) para cada x contenida en el
intervalo de x se denomina función de probabilidad, o distribución de probabilidad, de x.
Una función puede ejercer como la distribución de probabilidad de una variable aleatoria
discreta x si y sólo si sus valores, f(x), cumple las condiciones siguientes:
a) f(x) ≥ 0 para cada valor con tenido en su dominio
b) ∑ f(x) = 1, donde la sumatoria se extiende sobre todos los valores contenidos en su
dominio.
Ejemplo
x pi
P (𝑎 ≤ 𝑋 ≤ 𝑏 ) P (𝑎 ≤ 𝑋) P (𝑋 ≤ 𝑏 )
𝑏
P(x) P (𝑎 ≤ 𝑋 ≤ 𝑏) = F(b) − F(a) = ∫ 𝑓(𝑥)𝑑𝑥 = 1
𝑎
a b
x
Características de la distribución continua de probabilidad
- Es generada por una variable continua x
∞
F(x) =∫
−∞
𝑓 (𝑥 )𝑑𝑥
- X es una variable que puede tomar tanto valores enteros como fraccionarios, y
estos valores están dados desde hasta infinito.
P(x)
-1 | 0 | 1/2| 1| ∞… x
- P(x) ≥ 0 las probabilidades asociadas a cada uno de los valores que toma x deben ser ..
mayores o iguales a cero. Dicho de otras formas, la función de densidad o área de
probabilidad deberá tomar solo valores mayores o iguales a cero.
Por lo tanto, solo estará representada en el primer y segundo cuadrante del plano de
coordenadas.
P(x) P(x) ≥ 0
II I
II I IV
- La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x debe
ser igual a 1, es decir, el área que se encuentra definida bajo la función de densidad de
probabilidad deberá ser 1 como máximo que será el 100% de probabilidad.
P(x)
1
0,5
0 b x
𝑎
P (𝑎 ≤ 𝑋 ≤ 𝑏) = F(b) − F(a) = ∫ 𝑓(𝑥)𝑑𝑥 = 1
𝑏
P(x)
100%
a b
x
Esperanza matemática
La esperanza matemática de una variable aleatoria X, es el número que
expresa el valor medio del fenómeno que representa dicha variable.
La esperanza matemática, también llamada valor esperado, es igual al sumatorio
de las probabilidades de que exista un suceso aleatorio, multiplicado por el valor
del suceso aleatorio. Dicho de otra forma, es el valor medio de un conjunto de
datos. Esto, teniendo en cuenta que el término esperanza matemática está
acuñado por la teoría de la probabilidad.
Imaginemos una moneda. Dos caras, cara y cruz. ¿Cual sería la esperanza
matemática (valor esperado) de que salga cara?
Dado que la moneda solo puede caer en una de esas dos posiciones y ambas
tienen la misma probabilidad de salir, diremos que la esperanza matemática de
que salga cara es una de cada dos, o lo que es lo mismo, el 50% de las veces.
Vamos a hacer una prueba y vamos a tirar una moneda 10 veces. Supongamos
que la moneda es perfecta.
Tiradas y resultado:
1. Cara.
2. Cruz.
3. Cruz.
4. Cara.
5. Cruz.
6. Cara.
7. Cara.
8. Cara.
9. Cruz.
10. Cruz.
¿Cuantas veces ha salido cara (contamos las C)? 5 veces ¿Cuantas veces ha
salido cruz (contamos las X)? 5 veces. La probabilidad de que salga cara será de
5/10=0,5 o, en porcentaje, del 50%.
Una vez ha ocurrido ese suceso podemos calcular la media matemática del
número de veces que ha ocurrido cada suceso. El lado cara ha salido una de cada
dos veces, es decir, un 50% de las veces. La media coincide con la esperanza
matemática.
Dónde:
Dentro de las teorías sobre mercados financieros, muchas utilizan este concepto
de esperanza matemática. Entre esas teorías se encuentra la que
desarrolló Markowitz sobre las carteras eficientes.
1. 12%.
2. 6%.
3. 15%
4. 12%